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
彭于晏应助研友_59AB85采纳,获得10
1秒前
NexusExplorer应助泡沫采纳,获得10
1秒前
2秒前
4秒前
凤梨毛峰三分糖完成签到 ,获得积分10
4秒前
5秒前
斯文败类应助高兴的海亦采纳,获得50
7秒前
7秒前
9秒前
缥缈斌发布了新的文献求助10
9秒前
今天一定写完完成签到,获得积分10
10秒前
伍子丐的猫完成签到,获得积分10
11秒前
11秒前
英俊的筝完成签到,获得积分10
12秒前
12秒前
Orange应助满意的梦蕊采纳,获得10
13秒前
路路有为完成签到 ,获得积分10
13秒前
席玲发布了新的文献求助10
14秒前
jpc完成签到,获得积分10
14秒前
泡沫发布了新的文献求助10
14秒前
15秒前
霸王龙发布了新的文献求助10
18秒前
19秒前
20秒前
木子发布了新的文献求助10
20秒前
辞忧完成签到,获得积分10
21秒前
激情的诗柳完成签到,获得积分10
21秒前
橘子完成签到,获得积分10
22秒前
暖栀发布了新的文献求助10
23秒前
星辰大海应助传统的元龙采纳,获得10
24秒前
24秒前
24秒前
丰知然应助席玲采纳,获得10
25秒前
evelynneeel发布了新的文献求助30
25秒前
gxfang发布了新的文献求助10
26秒前
脑洞疼应助昌升采纳,获得10
27秒前
Yeong完成签到,获得积分10
27秒前
27秒前
28秒前
辰木完成签到,获得积分10
28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
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Mixed-anion Compounds 300
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 3197655
求助须知:如何正确求助?哪些是违规求助? 2846449
关于积分的说明 8059235
捐赠科研通 2511321
什么是DOI,文献DOI怎么找? 1343271
科研通“疑难数据库(出版商)”最低求助积分说明 639536
邀请新用户注册赠送积分活动 609111