Independent Component Analysis

1. Auflage 2001
ISBN: 978-0-471-40540-5
Verlag: Wiley

Buch, Englisch, Band 1, 504 Seiten, Format (B × H): 161 mm x 240 mm, Gewicht: 918 g

Reihe: Adaptive and Learning Systems for Signal Processing, Communications, and Control Series

ICA ist ein statistisches Verfahren, um versteckte Faktoren aus einer großen Anzahl von Messergebnissen herauszufiltern. Wichtige potentielle Anwendungen dieses Verfahrens sind Bildverarbeitung, Data Mining und Signaltrennung. Die Autoren sind Mitglieder einer Forschungsgruppe, die für innovative Ideen auf diesem Gebiet bekannt ist. Bereits heute bietet jede Konferenz über neuronale Netze oder Signalverarbeitung Veröffentlichungen zum Thema ICA; man erwartet, dass sich dieses Gebiet schnell etabliert und in die Studienpläne aufgenommen wird.

Zielgruppe

Research

Autoren/Hrsg.

Hyvärinen, Aapo

Karhunen, Juha

Oja, Erkki

Fachgebiete

• Medizin | Veterinärmedizin Medizin | Public Health | Pharmazie | Zahnmedizin Medizin, Gesundheitswesen Medizintechnik, Biomedizintechnik, Medizinische Werkstoffe
• Technische Wissenschaften Technik Allgemein Mathematik für Ingenieure
• Naturwissenschaften Physik Physik Allgemein Experimentalphysik
• Naturwissenschaften Physik Physik Allgemein Theoretische Physik, Mathematische Physik, Computerphysik
• Technische Wissenschaften Sonstige Technologien | Angewandte Technik Signalverarbeitung, Bildverarbeitung, Scanning
• Technische Wissenschaften Sonstige Technologien | Angewandte Technik Medizintechnik, Biomedizintechnik
• Naturwissenschaften Physik Physik Allgemein Geschichte der Physik

Inhaltsverzeichnis

Preface.

Introduction.

MATHEMATICAL PRELIMINARIES.

Random Vectors and Independence.

Gradients and Optimization Methods.

Estimation Theory.

Information Theory.

Principal Component Analysis and Whitening.

BASIC INDEPENDENT COMPONENT ANALYSIS.

What is Independent Component Analysis?

ICA by Maximization of Nongaussianity.

ICA by Maximum Likelihood Estimation.

ICA by Minimization of Mutual Information.

ICA by Tensorial Methods.

ICA by Nonlinear Decorrelation and Nonlinear PCA.

Practical Considerations.

Overview and Comparison of Basic ICA Methods.

EXTENSIONS AND RELATED METHODS.

Noisy ICA.

ICA with Overcomplete Bases.

Nonlinear ICA.

Methods using Time Structure.

Convolutive Mixtures and Blind Deconvolution.

Other Extensions.

APPLICATIONS OF ICA.

Feature Extraction by ICA.

Brain Imaging Applications.

Telecommunications.

Other Applications.

References.

Index.

Über Autor(innen)

AAPO HYVÄRINEN, PhD, is Senior Fellow of the Academy of Finland and works at the Neural Networks Research Center of Helsinki University of Technology in Finland.
JUHA KARHUNEN and ERKKI OJA are professors at the Neural Networks Research Center of Helsinki University of Technology in Finland.