สมมติว่าฉันมีแหล่งที่มาอิสระ ,และฉันสังเกตการผสมนูน: X 1 , X 2 , . . , X n m Y 1
กับสำหรับทุกและสำหรับทุก j
สถานะของศิลปะในการกู้คืนจากคืออะไร
PCA ไม่เป็นปัญหาเพราะฉันต้องการส่วนประกอบที่สามารถระบุตัวตนได้ ฉันดูที่ ICA และ NMF - ฉันไม่สามารถหาวิธีที่จะกำหนดค่าสัมประสิทธิ์แบบไม่ลบล้างของค่าสัมประสิทธิ์การผสมสำหรับ ICA และดูเหมือนว่า NMF จะไม่เพิ่มความเป็นอิสระสูงสุด
2
ฉันคิดว่าควรเรียกสิ่งนี้ว่า "การวิเคราะห์องค์ประกอบอิสระที่ไม่เป็นค่าลบ" แต่ดูเหมือนว่าชื่อนี้ถูกใช้สำหรับ ICA ด้วยข้อ จำกัด ที่ไม่ติดลบในแหล่งข้อมูลไม่ใช่ในเมทริกซ์ผสม ( eecs.qmul.ac.uk/ ~ markp / 2003 / Plumbley03-algorithmms-c.pdf ) ดังนั้นสิ่งนี้ใช้ไม่ได้กับกรณีของคุณ คำถามที่น่าสนใจ
—
อะมีบาพูดว่า Reinstate Monica
คุณไม่ต้องการให้เงินก้อนเกินเจแทนที่จะเป็นฉันเหรอ? คุณคิดว่าแหล่งที่มามีค่าประมาณเกาส์เซียนหรือไม่? หากพวกเขาเป็นแบบ unimodal และมีการสลายตัวที่รวดเร็วเพียงพอเป็นไปได้ว่าการปรับแต่ง GMM จะเพียงพอ
—
Yair Daon
@ YairDaon Ah ใช่ขอบคุณจับได้ดี น่าเสียดายที่แหล่งข้อมูลไม่ต่อเนื่องและไม่ได้ดูเหมือนส่วนผสมของเกาส์เซียน แต่บางทีฉันอาจประมาณพวกเขาอย่างหยาบ ๆ ว่าเป็นส่วนผสมของเกาส์และปรับแต่งเพิ่มเติม แต่มันจะเป็นการดีถ้ามีบางสิ่งที่เป็นเรื่องทั่วไป / แข็งแกร่ง
—
ไม่ระบุชื่อ
คุณลองใช้อัลกอริทึม ICA อะไรบ้าง ฉันเป็นสนิมเล็กน้อย แต่คิดว่าการสันนิษฐานที่ไม่เป็นการปฏิเสธของสัมประสิทธิ์การผสมสามารถกำหนดได้ในอัลกอริทึมบางอย่างที่สมมติว่าแบบจำลองบางอย่างสำหรับสัญญาณเช่นอัลกอริธึมการปรับเปลี่ยนตาบอดอันดับสอง (WASOBI) จำลองสัญญาณว่าเป็นกระบวนการ AR และดังนั้นคุณสามารถกำหนดเงื่อนไขในค่าสัมประสิทธิ์
—
Néstor
แหล่งที่มาทั้งหมดได้รับการสนับสนุนในชุด {1,2, ... , 96}
—
ไม่ระบุชื่อ