콘텐츠 바로가기
본문 바로가기


블로그 전체검색
Independent Component Analysis

[외서] Independent Component Analysis

Aapo Hyvarinen, Juha Karhunen, Erkki Oja

내용 평점 5점

구성 평점 5점

자연계의 대부분의 측정된 신호 X는 성분 신호들 Y의 선형결합으로 다음과 같이 이루어져 있다.


X=KY


측정된 신호 X로부터 성분 신호들 Y를 분리해내는 것은 굉장히 중요하다.


Blind source separation(암묵 신호분리)란 K와 Y에 대한 정보가 없는 상태에서 측정된 신호 X만으로 K와 Y를 유추해 내는 알고리즘의 총칭이다.


Blind source separation에는 다양한 알고리즘이 존재한다.


Principal component analysis : Y의 직교성이 최대가 되도록 분해.


Independent component analysis : Y의 확률적 독립이 최대가 되도록 분해.


Nonnegative Matrix Factorization : 2019년도인 최근에 굉장히 핫한 분야로 K와 Y의 값이 모두 양수일 때 다양한 제한조건을 두어서 K와 Y를 유추.


이 책은 그중에서도 Independent component analysis(ICA)에 대해서 다루고 있다.


이 책은 ICA를 이해하기 위한 수학적 기초 (고차 확률론, 추정 이론 등)을 먼저 자세히 설명하고, 다양한 ICA 알고리즘에 대해서 설명한다.


신호분리 전문가라면 읽어보는것을 추천한다.

 
취소

댓글쓰기

저장
덧글 작성
0/1,000

댓글 수 0

댓글쓰기
첫 댓글을 작성해주세요.

PRIDE1