Anàlisi de Components Independents (ICA)
L'Anàlisi de Components Independents (ICA) és un mètode computacional per separar un senyal multivariant en subcomponents additives i estadísticament independents. Formalitzada per Pierre Comon el 1994, l'ICA es va convertir en el marc fonamental per a la separació cega de fonts i s'aplica àmpliament en neuroimatge (fMRI, EEG), processament del discurs i anàlisi de senyals biomèdics.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Comon, P. (1994). Independent component analysis, a new concept? Signal Processing, 36(3), 287–314. DOI: 10.1016/0165-1684(94)90029-9 ↗
- Hyvärinen, A., Karhunen, J., & Oja, E. (2001). Independent Component Analysis. Wiley. ISBN: 978-0-471-40540-5
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/ca/machine-learning/independent-component-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Anàlisi FactorialEstadística per a la recerca↔ compare
- Factorització de Matrius No negatives (NMF)Aprenentatge automàtic↔ compare
- Descomposició en valors singularsMètodes numèrics↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →