Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Obstacle Identification by an Ultrasound Sensor Using Neural Networks Kapitel lesen Erstes Kapitel lesen

1998 | OriginalPaper | Buchkapitel

Blind Source Separation via Unsupervised Learning

verfasst von : B. Freisleben, C. Hagen, M. Borschbach

Erschienen in: Artificial Neural Nets and Genetic Algorithms

Verlag: Springer Vienna

Enthalten in: Professional Book Archive

Zugang erhalten

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

In this paper, a two-layer neural network is presented that organizes itself to perform blind source separation, i.e. it extracts the unknown independent source signals out of their linear mixtures. The convergence behaviour of the network is analyzed, and experimental results of separating historical speeches of four different speakers are presented.

Vorheriges Kapitel Fahlman-Type Activation Functions Applied to Nonlinear PCA Networks Provide a Generalised Independent Component Analysis
Nächstes Kapitel Neural Networks for Higher-Order Spectral Estimation
Metadaten
Titel
Blind Source Separation via Unsupervised Learning
verfasst von
B. Freisleben
C. Hagen
M. Borschbach
Copyright-Jahr
1998
Verlag
Springer Vienna
Buch
Artificial Neural Nets and Genetic Algorithms

Print ISBN: 978-3-211-83087-1

Electronic ISBN: 978-3-7091-6492-1

Copyright-Jahr: 1998

DOI
https://doi.org/10.1007/978-3-7091-6492-1_25

Neuer Inhalt

    Bildnachweise