面向鲁棒学习的带基准点广义最小误差准则
信号处理
2023-09-12 v1 声音
系统与控制
音频与语音处理
图像与视频处理
系统与控制
摘要
传统的最小误差熵准则(MEE)存在局限性，对误差均值的敏感性降低，且对误差概率密度函数的位置存在不确定性。为克服此问题，提出了带基准点的最小误差熵准则(MEEF)。然而，由于依赖固定的高斯核，MEEF的效果并不稳定。本文采用广义高斯密度(GGD)函数作为核，提出了带基准点的广义最小误差准则(GMEEF)。GGD通过引入形状参数扩展了高斯分布，从而对尾部行为与峰值提供更强控制。此外，鉴于GMEEF准则计算复杂度高，引入量化思想以显著降低GMEEF类算法的计算负载。最后，将所提准则引入自适应滤波器、核递归算法和多层感知机领域。若干包含系统辨识、声学回声消除、时间序列预测和监督分类的数值仿真表明，新算法性能表现优异。
引用
@article{arxiv.2309.04670,
title = {Generalized Minimum Error with Fiducial Points Criterion for Robust Learning},
author = {Haiquan Zhao and Yuan Gao and Yingying Zhu},
journal= {arXiv preprint arXiv:2309.04670},
year = {2023}
}
备注
12 pages, 9 figures