Neovisna komponentna analiza (ICA)
Neovisna komponentna analiza (ICA) je računalna metoda za odvajanje multivarijatnog signala na aditivne, statistički neovisne podkomponente. Formalizirana od strane Pierrea Comona 1994. godine, ICA je postala temeljni okvir za slijepo odvajanje izvora i široko se primjenjuje u neurosnimanjima (fMRI, EEG), obradi govora i analizi biomedicinskih signala.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/hr/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.
- Faktorska analizaIstraživačka statistika↔ compare
- NMF (Nenegativna matrična faktorizacija)Strojno učenje↔ compare
- Singularna dekompozicijaNumeričke metode↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →