Analisi delle Componenti Indipendenti (ICA)
L'Analisi delle Componenti Indipendenti (ICA) è un metodo computazionale per separare un segnale multivariato in sotto-componenti additive e statisticamente indipendenti. Formalizzata da Pierre Comon nel 1994, l'ICA è diventata il quadro fondamentale per la separazione cieca delle sorgenti ed è ampiamente applicata in neuroimaging (fMRI, EEG), elaborazione del parlato e analisi dei segnali biomedici.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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
Come citare questa pagina
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/it/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.
- Analisi FattorialeStatistica per la ricerca↔ compare
- Fattorizzazione di Matrici Non-Negative (NMF)Apprendimento automatico↔ compare
- Decomposizione ai valori singolariMetodi numerici↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →