Báo cáo tài liệu vi phạm
Giới thiệu
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
THỊ TRƯỜNG NGÀNH HÀNG
NÔNG NGHIỆP, THỰC PHẨM
Gạo
Rau hoa quả
Nông sản khác
Sữa và sản phẩm
Thịt và sản phẩm
Dầu thực vật
Thủy sản
Thức ăn chăn nuôi, vật tư nông nghiệp
CÔNG NGHIỆP
Dệt may
Dược phẩm, Thiết bị y tế
Máy móc, thiết bị, phụ tùng
Nhựa - Hóa chất
Phân bón
Sản phẩm gỗ, Hàng thủ công mỹ nghệ
Sắt, thép
Ô tô và linh kiện
Xăng dầu
DỊCH VỤ
Logistics
Tài chính-Ngân hàng
NGHIÊN CỨU THỊ TRƯỜNG
Hoa Kỳ
Nhật Bản
Trung Quốc
Hàn Quốc
Châu Âu
ASEAN
BẢN TIN
Bản tin Thị trường hàng ngày
Bản tin Thị trường và dự báo tháng
Bản tin Thị trường giá cả vật tư
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
NGÀNH HÀNG
NÔNG NGHIỆP, THỰC PHẨM
Gạo
Rau hoa quả
Nông sản khác
Sữa và sản phẩm
Thịt và sản phẩm
Dầu thực vật
Thủy sản
Thức ăn chăn nuôi, vật tư nông nghiệp
CÔNG NGHIỆP
Dệt may
Dược phẩm, Thiết bị y tế
Máy móc, thiết bị, phụ tùng
Nhựa - Hóa chất
Phân bón
Sản phẩm gỗ, Hàng thủ công mỹ nghệ
Sắt, thép
Ô tô và linh kiện
Xăng dầu
DỊCH VỤ
Logistics
Tài chính-Ngân hàng
NGHIÊN CỨU THỊ TRƯỜNG
Hoa Kỳ
Nhật Bản
Trung Quốc
Hàn Quốc
Châu Âu
ASEAN
BẢN TIN
Bản tin Thị trường hàng ngày
Bản tin Thị trường và dự báo tháng
Bản tin Thị trường giá cả vật tư
Thông tin
Tài liệu Xanh là gì
Điều khoản sử dụng
Chính sách bảo mật
0
Trang chủ
Kỹ Thuật - Công Nghệ
Kĩ thuật Viễn thông
Independent Component Analysis - Chapter 20: Other Extensions
Đang chuẩn bị liên kết để tải về tài liệu:
Independent Component Analysis - Chapter 20: Other Extensions
Trung Ðức
64
17
pdf
Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG
Tải xuống
In this chapter, we present some additional extensions of the basic independent component analysis (ICA) model. First, we discuss the use of prior information on the mixing matrix, especially on its sparseness. Second, we present models that somewhat relax the assumption of the independence of the components. | Independent Component Analysis. Aapo Hyvarinen Juha Karhunen Erkki Oja Copyright 2001 John Wiley Sons Inc. ISBNs 0-471-40540-X Hardback 0-471-22131-7 Electronic 20 Other Extensions In this chapter we present some additional extensions of the basic independent component analysis ICA model. First we discuss the use of prior information on the mixing matrix especially on its sparseness. Second we present models that somewhat relax the assumption of the independence of the components. In the model called independent subspace analysis the components are divided into subspaces that are independent but the components inside the subspaces are not independent. In the model of topographic ICA higher-order dependencies are modeled by a topographic organization. Finally we show how to adapt some of the basic ICA algorithms to the case where the data is complex-valued instead of real-valued. 20.1 PRIORS ON THE MIXING MATRIX 20.1.1 Motivation for prior information No prior knowledge on the mixing matrix is used in the basic ICA model. This has the advantage of giving the model great generality. In many application areas however information on the form of the mixing matrix is available. Using prior information on the mixing matrix is likely to give better estimates of the matrix for a given number of data points. This is of great importance in situations where the computational costs of ICA estimation are so high that they severely restrict the amount of data that can be used as well as in situations where the amount of data is restricted due to the nature of the application. 371 372 OTHER EXTENSIONS This situation can be compared to that found in nonlinear regression where overlearning or overfitting is a very general phenomenon 48 . The classic way of avoiding overlearning in regression is to use regularizing priors which typically penalize regression functions that have large curvatures i.e. lots of wiggles . This makes it possible to use regression methods even when the .
TÀI LIỆU LIÊN QUAN
Data-driven human transcriptomic modules determined by independent component analysis
MetICA: Independent component analysis for high-resolution mass-spectrometry based non-targeted metabolomics
Aggregate blood pressure responses to serial dietary sodium and potassium intervention: Defining responses using independent component analysis
Báo cáo hóa học: "Research Article Independent Component Analysis for Magnetic Resonance Image Analysis"
Bài 1: Introduction(Independent component analysis (ICA)
Bài 7: What is Independent Component Analysis?
Báo cáo hóa học: " Research Article Cancelling ECG Artifacts in EEG Using a Modified Independent Component Analysis Approach"
Báo cáo hóa học: " Research Article WMicaD: A New Digital Watermarking Technique Using Independent Component Analysis"
Báo cáo hóa học: "A Reconfigurable FPGA System for Parallel Independent Component Analysis"
Báo cáo hóa học: " Blind Separation of Acoustic Signals Combining SIMO-Model-Based Independent Component Analysis and Binary Masking"
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.