Uavhengig komponentanalyse (ICA)
Uavhengig komponentanalyse (ICA) er en beregningsmetode for å separere en multivariat signal til additive, statistisk uavhengige subkomponenter. Formalisert av Pierre Comon i 1994, ble ICA det grunnleggende rammeverket for blind kildeseparasjon og anvendes bredt innen nevroavbildning (fMRI, EEG), taleprosessering og biomedisinsk signalanalyse.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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
Slik siterer du denne siden
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/no/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.
- FaktoranalyseForskningsstatistikk↔ compare
- Non-negativ matrisefaktorisering (NMF)Maskinlæring↔ compare
- SingulærverdidekomposisjonNumeriske metoder↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →