Neatkarīgo komponentu analīze (ICA)
Neatkarīgo komponentu analīze (ICA) ir aprēķina metode, kas paredzēta daudzmainīgā signāla sadalīšanai aditīvos, statistiski neatkarīgos apakškomponentos. Formalizēta Pjēra Komona (Pierre Comon) 1994. gadā, ICA kļuva par aklo avotu atdalīšanas (blind source separation) pamatframeworku un tiek plaši pielietota neiroattēlveidošanā (fMRI, EEG), runas apstrādē un biomedicīnas signālu analīzē.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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
Kā citēt šo lapu
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/lv/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.
- Faktoru analīzePētniecības statistika↔ compare
- Neatūru matricas faktorizācija (NMF)Mašīnmācīšanās↔ compare
- Singular Value DecompositionSkaitliskās metodes↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →