Mixture quantized error entropy for recursive least squares adaptive filtering

熵(时间箭头) 算法 计算机科学 高斯分布 数学 高斯函数 数学优化 人工智能 量子力学 物理
作者
Jiacheng He,Gang Wang,Bei Peng,Qing Sun,Zhenyu Feng,Kun Zhang
出处
期刊:Journal of The Franklin Institute-engineering and Applied Mathematics [Elsevier]
卷期号:359 (3): 1362-1381 被引量:13
标识
DOI:10.1016/j.jfranklin.2021.12.015
摘要

Error entropy is a well-known learning criterion in information theoretic learning (ITL), and it has been successfully applied in robust signal processing and machine learning. To date, many robust learning algorithms have been devised based on the minimum error entropy (MEE) criterion, and the Gaussian kernel function is always utilized as the default kernel function in these algorithms, which is not always the best option. To further improve learning performance, two concepts using a mixture of two Gaussian functions as kernel functions, called mixture error entropy and mixture quantized error entropy, are proposed in this paper. We further propose two new recursive least-squares algorithms based on mixture minimum error entropy (MMEE) and mixture quantized minimum error entropy (MQMEE) optimization criteria. The convergence analysis, steady-state mean-square performance, and computational complexity of the two proposed algorithms are investigated. In addition, the reason why the mixture mechanism (mixture correntropy and mixture error entropy) can improve the performance of adaptive filtering algorithms is explained. Simulation results show that the proposed new recursive least-squares algorithms outperform other RLS-type algorithms, and the practicality of the proposed algorithms is verified by the electro-encephalography application.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
大模型应助610采纳,获得10
刚刚
田様应助Wason采纳,获得10
1秒前
2秒前
4秒前
huibzh发布了新的文献求助10
4秒前
5秒前
5秒前
andrele应助漂亮的保温杯采纳,获得10
5秒前
小墨应助漂亮的保温杯采纳,获得10
5秒前
英俊的铭应助安静的映萱采纳,获得10
5秒前
unqiue发布了新的文献求助10
6秒前
XXX完成签到,获得积分10
6秒前
guodongfzd完成签到,获得积分10
7秒前
糖果风发布了新的文献求助10
8秒前
8秒前
8秒前
Yangqqqi完成签到,获得积分10
8秒前
zr92完成签到,获得积分10
9秒前
Xiaoyan发布了新的文献求助10
10秒前
xianlu发布了新的文献求助10
10秒前
科研小小小白完成签到,获得积分10
10秒前
程阿sir发布了新的文献求助20
11秒前
111发布了新的文献求助10
11秒前
甘泊寓完成签到,获得积分10
12秒前
14秒前
无花果应助宇文三德采纳,获得10
14秒前
ADcal完成签到 ,获得积分10
15秒前
乐乐应助武雨寒采纳,获得10
15秒前
灰光呀完成签到,获得积分10
16秒前
安静的飞珍完成签到,获得积分10
16秒前
wyy应助111采纳,获得10
16秒前
善学以致用应助萧榆采纳,获得10
16秒前
重要便当完成签到,获得积分10
18秒前
李爱国应助WAKAKA采纳,获得10
18秒前
18秒前
zhouzhou发布了新的文献求助10
19秒前
Lucas应助crystal采纳,获得10
21秒前
24秒前
24秒前
Lucas应助zhouzhou采纳,获得10
25秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3191886
求助须知:如何正确求助?哪些是违规求助? 2841256
关于积分的说明 8031972
捐赠科研通 2504677
什么是DOI,文献DOI怎么找? 1337957
科研通“疑难数据库(出版商)”最低求助积分说明 638224
邀请新用户注册赠送积分活动 606733