Improved variants of the FastICA algorithm
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F15%3A00444036" target="_blank" >RIV/67985556:_____/15:00444036 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.1016/B978-0-12-802806-3.00002-6" target="_blank" >http://dx.doi.org/10.1016/B978-0-12-802806-3.00002-6</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/B978-0-12-802806-3.00002-6" target="_blank" >10.1016/B978-0-12-802806-3.00002-6</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Improved variants of the FastICA algorithm
Popis výsledku v původním jazyce
The article presents a survey of improved variants of the famous FastICA algorithm for Independent Component Analysis. Variants of the algorithm tailored to separate mixtures of stationary non-Gaussian signals and mixtures of nonstationary (block-wise stationary) non-Gaussian signals are described. Performance analyses of the algorithms are given and compared to the respective Cramer-Rao lower bounds. The behavior of FastICA variants when additive noise is present in the signal mixture is studied through a bias analysis.
Název v anglickém jazyce
Improved variants of the FastICA algorithm
Popis výsledku anglicky
The article presents a survey of improved variants of the famous FastICA algorithm for Independent Component Analysis. Variants of the algorithm tailored to separate mixtures of stationary non-Gaussian signals and mixtures of nonstationary (block-wise stationary) non-Gaussian signals are described. Performance analyses of the algorithms are given and compared to the respective Cramer-Rao lower bounds. The behavior of FastICA variants when additive noise is present in the signal mixture is studied through a bias analysis.
Klasifikace
Druh
C - Kapitola v odborné knize
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/GA14-13713S" target="_blank" >GA14-13713S: Metody dekompozice tenzorů a jejich aplikace</a><br>
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název knihy nebo sborníku
Advances in Independent Component Analysis and Learning Machines
ISBN
978-0-12-802806-3
Počet stran výsledku
22
Strana od-do
53-74
Počet stran knihy
296
Název nakladatele
Elsevier
Místo vydání
Londýn
Kód UT WoS kapitoly
—