Az elágazásmentes komponenselemzés (ICA)
Az elágazásmentes komponenselemzés (ICA) egy számítási módszer, amely egy többváltozós jelet statisztikailag független additív alkomponensekre bont. A Pierre Comon által 1994-ben formalizált ICA vált a vakforrás-szétválasztás alapvető keretrendszerévé, és széles körben alkalmazzák az idegrendszeri képalkotásban (fMRI, EEG), a beszéd- és az orvosi jelanalízisben.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/hu/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.
- FaktoranalízisKutatási statisztika↔ compare
- Nemnegatív Mátrix Faktorizáció (NMF)Gépi tanulás↔ compare
- Szingularis érték felbontásNumerikus módszerek↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →