0


使用瑞士沃尔夫测度依赖ICA和ISA

ICA and ISA Using Schweizer-Wolff Measure of Dependence
课程网址: http://videolectures.net/icml08_kirshner_ica/  
主讲教师: Sergey Kirshner
开课单位: 艾伯塔大学
开课时间: 2008-08-07
课程语种: 英语
中文简介:
针对独立分量和独立子空间分析问题, 提出了一种新的算法。该算法使用基于 schweizer-wolff 的对依赖度度量的对比, 这是一种基于变量的成位的非参数度量。我们的算法在正常设置中的性能经常优于最先进的 ica 方法, 对混合信号中的异常值具有显著的鲁棒性, 即使在噪声存在的情况下也能很好地执行。由于对依赖关系是明确的, 使用卡多佐的猜想, 我们的方法可以应用于解决独立子空间分析 (isa) 问题, 通过分组恢复的 ica 方法。我们使用模拟、声音和图像数据提供广泛的经验评估。
课程简介: We propose a new algorithm for independent component and independent subspace analysis problems. This algorithm uses a contrast based on the Schweizer-Wolff measure of pairwise dependence, a non-parametric measure based on pairwise ranks of the variables. Our algorithm frequently outperforms state of the art ICA methods in the normal setting, is significantly more robust to outliers in the mixed signals, and performs well even in the presence of noise. Since pairwise dependence is evaluated explicitly, using Cardoso's conjecture, our method can be applied to solve independence subspace analysis (ISA) problems by grouping signals recovered by ICA methods. We provide an extensive empirical evaluation using simulated, sound, and image data.
关 键 词: 瑞士沃尔夫度量; 独立的子空间分析问题; ICA方法
课程来源: 视频讲座网
最后编审: 2020-06-04：毛岱琦(课程编辑志愿者)
阅读次数: 39

纠错/补充/评论/留言
评论/留言 纠错/补充
验证算术题： 3 + 8 =