Independent Component Analysis (ICA)
Independent Component Analysis (ICA) on on arvutuslik meetod mitmemuutujalise signaali eraldamiseks liituvateks, statistiliselt sõltumatuteks alakoostisosadeks. Pierre Comoni poolt 1994. aastal formaliseeritud ICAst sai pimeallikate eraldamise alusraamistik ja seda rakendatakse laialdaselt neuroimagingus (fMRI, EEG), kõnetöötluses ja biomeditsiiniliste signaalide analüüsis.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/et/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.
- FaktoranalüüsUurimisstatistika↔ compare
- Mitte-negatiivne maatriksfaktorisatsioon (NMF)Masinõpe↔ compare
- Singular Value DecompositionNumbrilised meetodid↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →