本文提出了一种新的独立分量分析(ICA)算法,该算法有可证明的性能保证,并引入了一种新的准白化步骤和找到函数所有局部最优解的通用框架,算法通过局部搜索逐个找到A的列以控制误差积累,运行时间和样本复杂度均为n和1/ε的多项式级别。
Jun, 2012
本文介绍了一种基于傅里叶PCA的矩阵分解算法,并应用其解决了ICA问题和混合高斯模型学习问题。
Jun, 2013
本文介绍ICLabel项目,该项目包括IC数据集、用于收集众包IC标签的网站和自动分类器。ICLabel分类器的优点在于改进了计算的标签估计的准确性和增强了计算效率,它在所有测量IC类别中优于或与此前公开可用的最佳方法表现相当,并比该分类器快10倍。
Jan, 2019
本文提出了一种基于自编码器的方法,通过恢复两个统计独立组件的隐藏元素来解决混合数据下的潜变量发现问题,并在图像合成、语音合成和胎儿心电图提取等多个任务中进行了性能验证。
Oct, 2021
提出一种新型的ICA算法,满足生物电路中的要求,涉及的关键词有盲源分离,独立分量分析,神经网络,突触可塑性和生物电路。
Nov, 2021
通过在混合过程中添加约束条件(如结构稀疏性),我们在不需要辅助变量的情况下,实现了非线性ICA的非平凡可识别性。
Jun, 2022
非线性独立分量分析的可辨识性在结构稀疏性、不完备性、灵活分组结构等限制条件下得到了一系列新的可辨识性结果,支持实验证据在合成和真实数据集上。
Nov, 2023
线性主成分分析、非线性主成分分析、线性独立成分分析、子空间不确定性和神经模型
多视角延迟独立成分分析(MVICAD)算法通过将源信号视为互相延迟版本的某些共享源信号,扩展了多视角独立成分分析(ICA)模型,以提高信号与噪声比,并展示了在神经信号处理中具有年龄相关的潜在延迟效应。
Dec, 2023
本文提出了一种非参数分数,用于评估在独立成分分析(ICA)的迭代算法中对任意高斯噪声的解决方案的质量。该分数的创新之处在于仅假设数据有有限的二阶矩,并利用特征函数评估估计混合矩阵的质量,而不需要任何噪声分布参数的知识。我们还提供了一种基于特征函数的对比函数,用于ICA,并提出了一个固定点迭代来优化对应的目标函数。最后,我们提出了一个理论框架来获得一类ICA对比函数的局部和全局最优解的充分条件。该框架固有地使用准正交化方法,并将我们的结果扩展到带噪声的ICA经典分析。通过在模拟数据集上的实验结果,我们证明了我们算法的有效性。
Jan, 2024