Sõltumatu vektoranalüüs
Sõltumatu vektoranalüüs (IVA) on sõltumatute komponentide analüüsi (ICA) multivariantne laiendus, mis ühendab mitu andmestikku, säilitades samal ajal iga andmestiku sees olevad sõltuvused. Lee, Lewicki ja Sejnowski poolt 2000. aastatel välja töötatud IVA-d kasutatakse pimeallikate eraldamiseks mitme kanaliga helis, ajupildistamises ja signaalitöötluses. See kasutab ära nii allikatevahelist sõltumatust kui ka sagedusribade või aeg-sagedusstruktuuride sees olevaid korrelatsioone.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Lee, T. W., Lewicki, M. S., & Sejnowski, T. J. (2007). Independent Component Analysis for Source Localization in Biomedical Signals. In Proc. IEEE Int. Conf. Acoust. Speech Signal Process., pp. 97-100. link ↗
- Kim, T., Attias, H. T., Lee, S. Y., & Lee, T. W. (2006). Blind source separation exploiting higher-order frequency dependencies. IEEE Transactions on Audio, Speech, and Language Processing, 15(1), 70-79. DOI: 10.1109/tasl.2006.872618 ↗
- Comon, P., Jutten, C., & Herault, J. (2010). Blind Separation of Sources, Part II: Problems Statement. IEEE Transactions on Signal Processing, 59(11), 4711-4721. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Independent Vector Analysis for Multivariate Blind Source Separation. ScholarGate. https://scholargate.app/et/applied-physics/independent-vector-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.
- AmbisonicsRakendusfüüsika↔ compare
- Peaga seotud ülekandefunktsioonRakendusfüüsika↔ compare
- Mel-Frequency Cepstral Coefficients (MFCC) (Melsageduse tsesktraalkoeitsidendid)Rakendusfüüsika↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →