การแยกแหล่งที่มาของส่วนผสมที่นูนออกมาตาบอด?


18

สมมติว่าฉันมีแหล่งที่มาอิสระ ,และฉันสังเกตการผสมนูน: X 1 , X 2 , . . , X n m Y 1nX1,X2,...,Xnm

Y1=a11X1+a12X2++a1nXn...Ym=am1X1+am2X2++amnXn

กับสำหรับทุกและสำหรับทุก jjaij=1iaij0i,j

สถานะของศิลปะในการกู้คืนXจากYคืออะไร

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 XA
อะมีบาพูดว่า Reinstate Monica

คุณไม่ต้องการให้เงินก้อนเกินเจแทนที่จะเป็นฉันเหรอ? คุณคิดว่าแหล่งที่มามีค่าประมาณเกาส์เซียนหรือไม่? หากพวกเขาเป็นแบบ unimodal และมีการสลายตัวที่รวดเร็วเพียงพอเป็นไปได้ว่าการปรับแต่ง GMM จะเพียงพอ
Yair Daon

@ YairDaon Ah ใช่ขอบคุณจับได้ดี น่าเสียดายที่แหล่งข้อมูลไม่ต่อเนื่องและไม่ได้ดูเหมือนส่วนผสมของเกาส์เซียน แต่บางทีฉันอาจประมาณพวกเขาอย่างหยาบ ๆ ว่าเป็นส่วนผสมของเกาส์และปรับแต่งเพิ่มเติม แต่มันจะเป็นการดีถ้ามีบางสิ่งที่เป็นเรื่องทั่วไป / แข็งแกร่ง
ไม่ระบุชื่อ

1
คุณลองใช้อัลกอริทึม ICA อะไรบ้าง ฉันเป็นสนิมเล็กน้อย แต่คิดว่าการสันนิษฐานที่ไม่เป็นการปฏิเสธของสัมประสิทธิ์การผสมสามารถกำหนดได้ในอัลกอริทึมบางอย่างที่สมมติว่าแบบจำลองบางอย่างสำหรับสัญญาณเช่นอัลกอริธึมการปรับเปลี่ยนตาบอดอันดับสอง (WASOBI) จำลองสัญญาณว่าเป็นกระบวนการ AR และดังนั้นคุณสามารถกำหนดเงื่อนไขในค่าสัมประสิทธิ์
Néstor

1
แหล่งที่มาทั้งหมดได้รับการสนับสนุนในชุด {1,2, ... , 96}
ไม่ระบุชื่อ

คำตอบ:


0

มันสามารถทำได้โดยการใช้ที่ไม่ใช่เชิงเส้นแทนแทน / tanh เริ่มต้นทั่วไป () ถ้า X ยังไม่เป็นลบ

สูตร 40 ในhttps://www.cs.helsinki.fi/u/ahyvarin/papers/NN00new.pdfและให้บริการในการนำไปใช้งานส่วนใหญ่

เช่นใน sklearn เพียงใช้ fun = 'exp' https://scikit-learn.org/stable/modules/generated/sklearn.decomposition.FastICA.html


1
ยินดีต้อนรับสู่ Stats.SE คุณสามารถแก้ไขคำตอบของคุณและขยายเพื่ออธิบายขั้นตอนสำคัญของลิงก์ที่คุณให้ได้หรือไม่ ด้วยวิธีนี้ข้อมูลสามารถค้นหาได้ที่นี่ (และบางครั้งลิงก์ก็ขาด) คุณอาจต้องการที่จะดูที่บางความช่วยเหลือการจัดรูปแบบ ในขณะที่คุณกำลังที่จะให้คุณสามารถใช้น้ำยาง / MathJax
Ertxiem - คืนสถานะโมนิก้า
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.