Nezávislá komponentová analýza (ICA)
Nezávislá komponentová analýza (ICA) je výpočetní metoda pro separaci vícerozměrného signálu na aditivní, statisticky nezávislé podkomponenty. ICA, formalizovaná Pierrem Comonem v roce 1994, se stala základním rámcem pro slepou separaci zdrojů a je široce aplikována v neurozobrazování (fMRI, EEG), zpracování řeči a analýze biomedicínských signálů.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/cs/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.
- Faktorová analýzaStatistika ve výzkumu↔ compare
- Nezáporná maticová faktorizace (NMF)Strojové učení↔ compare
- Singular Value DecompositionNumerické metody↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →