Latent structure
독립 성분 분석 (ICA)
독립 성분 분석(ICA)은 다변량 신호를 통계적으로 독립적인 가산 부속분으로 분리하는 계산 방법입니다. 1994년 Pierre Comon에 의해 공식화된 ICA는 블라인드 소스 분리의 기초적인 틀이 되었으며, 신경 영상(fMRI, EEG), 음성 처리, 생의학 신호 분석에 널리 응용됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →