Unabhängigkeitsanalyse von Komponenten (ICA)
Unabhängigkeitsanalyse von Komponenten (ICA) ist eine computergestützte Methode zur Trennung eines multivariaten Signals in additive, statistisch unabhängige Unterkomponenten. Formalisiert von Pierre Comon im Jahr 1994, wurde ICA zum grundlegenden Rahmen für die blinde Quellentrennung und wird in der Neurobildgebung (fMRT, EEG), Sprachverarbeitung und biomedizinischen Signalanalyse weit verbreitet eingesetzt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/de/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.
- FaktorenanalyseForschungsstatistik↔ compare
- Nicht-negative Matrixfaktorisierung (NMF)Maschinelles Lernen↔ compare
- SingulärwertzerlegungNumerische Methoden↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →