การวิเคราะห์องค์ประกอบอิสระ (Independent Component Analysis - ICA)
การวิเคราะห์องค์ประกอบอิสระ (ICA) เป็นวิธีการคำนวณสำหรับการแยกสัญญาณหลายตัวแปรออกเป็นองค์ประกอบย่อยที่บวกกันได้และเป็นอิสระทางสถิติ ICA ซึ่งถูกกำหนดรูปแบบอย่างเป็นทางการโดย Pierre Comon ในปี 1994 ได้กลายเป็นกรอบงานพื้นฐานสำหรับการแยกแหล่งกำเนิดแบบบอด (blind source separation) และมีการประยุกต์ใช้อย่างกว้างขวางในด้านการถ่ายภาพสมอง (fMRI, EEG) การประมวลผลคำพูด และการวิเคราะห์สัญญาณชีวการแพทย์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/th/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.
- Factor Analysisสถิติการวิจัย↔ compare
- การแยกตัวประกอบเมทริกซ์ไม่เป็นลบ (NMF)การเรียนรู้ของเครื่อง↔ compare
- การแยกตัวประกอบค่าเอกฐานระเบียบวิธีเชิงตัวเลข↔ compare