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
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Non-parametric e-mixture of Density Functions Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Gram-Schmidt Orthonormalization to the Adaptive ICA Function for Fixing the Permutation Ambiguity

verfasst von : Yoshitatsu Matsuda, Kazunori Yamaguchi

Erschienen in: Neural Information Processing

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Recently, we have proposed a new objective function of ICA called the adaptive ICA function (AIF). AIF is a summation of weighted 4th-order statistics, where the weights are determined by adaptively estimated kurtoses. In this paper, the Gram-Schmidt orthonormalization is applied to the optimization of AIF. The proposed method is theoretically guaranteed to extract the independent components in the unique order of the degree of non-Gaussianity. Consequently, it enables us to fix the permutation ambiguity. Experimental results on blind image separation problems show the usefulness of the proposed method.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Nuclear Norm Regularized Randomized Neural Network
Nächstes Kapitel Data Cleaning Using Complementary Fuzzy Support Vector Machine Technique
Literatur
1.
Amari, S., Cichocki, A.: A new learning algorithm for blind signal separation. In: Advances in Neural Information Processing Systems 8, pp. 757–763. MIT Press, Cambridge (1996)
2.
Amishima, T., Okamura, A., Morita, S., Kirimoto, T.: Permutation method for ICA separated source signal blocks in time domain. IEEE Trans. Aerosp. Electron. Syst. 46(2), 899–904 (2010)CrossRef
3.
Cardoso, J.F., Souloumiac, A.: Blind beamforming for non Gaussian signals. IEE Proc.-F 140(6), 362–370 (1993)
4.
Cichocki, A., Amari, S.: Adaptive Blind Signal and Image Processing: Learning Algorithms and Applications. Wiley, Hoboken (2002)CrossRef
5.
Comon, P., Jutten, C.: Handbook of Blind Source Separation: Independent component analysis and applications. Academic press, Cambridge (2010)
6.
Hyvärinen, A.: Blind source separation by nonstationarity of variance: a cumulant-based approach. IEEE Trans. Neural Netw. 12(6), 1471–1474 (2001)CrossRef
7.
Hyvärinen, A., Karhunen, J., Oja, E.: Independent Component Analysis. Wiley, Hoboken (2001)CrossRef
8.
Matsuda, Y., Yamaguchi, K.: Objective function of ICA with smooth estimation of Kurtosis. In: Arik, S., Huang, T., Lai, W.K., Liu, Q. (eds.) ICONIP 2015. LNCS, vol. 9491, pp. 164–171. Springer, Heidelberg (2015). doi:10.​1007/​978-3-319-26555-1_​19 CrossRef
9.
Matsuda, Y., Yamaguchi, K.: Adaptive objective function of ICA by gaussian approximation in second-order polynomial feature space. In: Proceedings of IJCNN2016, Vancouver, Canada (2016, in press)
10.
Sawada, H., Mukai, R., Araki, S., Makino, S.: A robust and precise method for solving the permutation problem of frequency-domain blind source separation. IEEE Trans. Speech Audio Process. 12(5), 530–538 (2004)CrossRef
11.
Zarzoso, V., Comon, P., Phlypo, R.: A contrast function for independent component analysis without permutation ambiguity. IEEE Trans. Neural Netw. 21(5), 863–868 (2010)CrossRef
Metadaten
Titel
Gram-Schmidt Orthonormalization to the Adaptive ICA Function for Fixing the Permutation Ambiguity
verfasst von
Yoshitatsu Matsuda
Kazunori Yamaguchi
Copyright-Jahr
2016
Buch
Neural Information Processing

Print ISBN: 978-3-319-46671-2

Electronic ISBN: 978-3-319-46672-9

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-46672-9_18