Glossário IA
O dicionário completo da Inteligência Artificial
ICA (Análise de Componentes Independentes)
Método estatístico de separação cega de fontes que transforma um sinal multivariado em componentes estatisticamente independentes, maximizando a não-gaussianidade dos sinais extraídos.
Separação Cega de Fontes
Técnica de extração dos sinais fontes originais a partir de misturas observadas sem conhecimento prévio das características das fontes ou do processo de mistura.
Não-gaussianidade
Propriedade estatística fundamental utilizada em ICA onde os sinais fontes seguem distribuições não-gaussianas, permitindo sua separação pela maximização desta característica.
Algoritmo FastICA
Algoritmo iterativo de ponto fixo popular para ICA, convergindo rapidamente e baseado na maximização da não-gaussianidade por aproximações da negentropia.
Whitening (Branqueamento)
Pré-processamento essencial em ICA que descorrela e normaliza os dados para que os componentes tenham variância unitária, simplificando a estimativa da matriz de separação.
Matriz de Mistura
Matriz linear desconhecida que representa a combinação dos sinais fontes observados, que o ICA busca inverter para recuperar os componentes originais independentes.
Negentropia
Medida de distância em relação à distribuição gaussiana utilizada em ICA como critério de otimização, mais robusta que a curtose para a separação de fontes.
Infomax
Princípio de otimização em ICA que maximiza a informação mútua entre a entrada e a saída de uma rede neural, equivalente matemático à maximização da verossimilhança.
Ambiguidade ICA
Limitação inerente da ICA onde a ordem e a escala dos componentes independentes extraídos não podem ser determinados de forma única, apenas até uma permutação e um fator de escala.
Algoritmo JADE
Método ICA baseado na diagonalização conjunta de matrizes de cumulantos de quarta ordem, particularmente eficaz para sinais com distribuições simétricas.
Convergência ICA
Processo iterativo de ajuste da matriz de separação até a estabilização dos componentes independentes, condicionado pela escolha da função de não-linearidade e dos parâmetros de aprendizagem.
Descorrelação espacial
Processo de eliminação das dependências lineares de segunda ordem entre variáveis, pré-requisito para a ICA que busca a independência estatística completa (todas as ordens).
Método de ponto fixo
Abordagem algorítmica iterativa em ICA onde cada atualização depende apenas do estado anterior, garantindo uma convergência rápida para os componentes independentes ótimos.
Função de não-linearidade
Função crucial em ICA (tanh, gaussiana, cúbica) que serve como aproximação da negentropia e determina a sensibilidade do algoritmo aos diferentes tipos de distribuições de fontes.
Separação sobredeterminada
Caso ICA onde o número de sensores excede o número de fontes, necessitando de técnicas de redução de dimensionalidade prévias como a PCA antes da separação.
Verossimilhança máxima
Estrutura estatística alternativa em ICA que estima os parâmetros do modelo maximizando a probabilidade de observar os dados misturados sob a hipótese de independência das fontes.