Глоссарий ИИ
Полный словарь искусственного интеллекта
ICA (Анализ независимых компонент)
Статистический метод слепого разделения источников, который преобразует многомерный сигнал в статистически независимые компоненты, максимизируя негауссовость извлеченных сигналов.
Слепое разделение источников
Техника извлечения исходных сигналов источников из наблюдаемых смесей без предварительного знания характеристик источников или процесса смешивания.
Негауссовость
Фундаментальное статистическое свойство, используемое в ICA, где сигналы источников следуют негауссовым распределениям, позволяя их разделение путем максимизации этой характеристики.
Алгоритм FastICA
Популярный итеративный алгоритм с фиксированной точкой для ICA, быстро сходящийся и основанный на максимизации негауссовости с помощью аппроксимаций негаэнтропии.
Отбеливание (Whitening)
Основная предварительная обработка в ICA, декоррелирующая и нормализующая данные так, чтобы компоненты имели единичную дисперсию, упрощая оценку матрицы разделения.
Матрица смешения
Неизвестная линейная матрица, представляющая комбинацию наблюдаемых сигналов источников, которую ICA пытается инвертировать для восстановления исходных независимых компонент.
Негаэнтропия
Мера расстояния от гауссовского распределения, используемая в ICA как критерий оптимизации, более устойчивая, чем куртозис для разделения источников.
Infomax
Принцип оптимизации в ICA, максимизирующий взаимную информацию между входом и выходом нейронной сети, математически эквивалентный максимизации правдоподобия.
Неоднозначность ICA
Внутреннее ограничение ICA, при котором порядок и масштаб извлеченных независимых компонент не могут быть определены однозначно, только с точностью до перестановки и масштабного коэффициента.
Алгоритм JADE
Метод ICA, основанный на совместной диагонализации матриц кумулянтов четвертого порядка, особенно эффективный для сигналов с симметричными распределениями.
Сходимость ICA
Итерационный процесс корректировки матрицы разделения до стабилизации независимых компонент, зависящий от выбора функции нелинейности и параметров обучения.
Пространственная декорреляция
Процесс устранения линейных зависимостей второго порядка между переменными, предварительное условие для ICA, которое ищет полную статистическую независимость (всех порядков).
Метод неподвижной точки
Итерационный алгоритмический подход в ICA, где каждое обновление зависит только от предыдущего состояния, гарантируя быструю сходимость к оптимальным независимым компонентам.
Функция нелинейности
Критическая функция в ICA (tanh, гауссова, кубическая), служащая аппроксимацией негаэнтропии и определяющая чувствительность алгоритма к различным типам распределений источников.
Переопределенное разделение
Случай ICA, когда количество датчиков превышает количество источников, требующий предварительных методов снижения размерности, таких как PCA, перед разделением.
Максимальное правдоподобие
Альтервативная статистическая структура в ICA, оценивающая параметры модели путем максимизации вероятности наблюдения смешанных данных при предположении независимости источников.