×
埃琳娜·伊斯索利奥；保罗·史密斯；约琴·沃斯

关于fastICA算法中熵的估计。 （英语） Zbl 1461.62086号

《多元分析杂志》。 181，文章ID 104689，17 p.（2021）.
摘要：fastICA方法是一种常用的降维技术，用于揭示数据中的模式。在这里，我们从理论和实践两方面表明，fastICA中使用的近似值可能导致模式无法成功识别。我们使用一个二维示例来演示这个问题，其中肉眼可以立即看到清晰的结构，但fastICA选择的投影无法显示该结构。这意味着在应用fastICA时需要小心。我们讨论了问题是如何产生的，以及它是如何与构成fastICA计算效率基础的近似值内在联系的。

MSC公司：

62H25个 因子分析和主成分；对应分析
62-08 统计问题的计算方法

关键词：

近似；盲源分离；汇聚；反例；独立成分分析；投影寻踪；投影

软件：

fastICA（快速ICA）
PDF格式BibTeX公司 XML格式引用
\textit{E.Issoglio}等人，《多元分析杂志》。181，文章ID 104689，17 p.（2021；Zbl 1461.62086）
全文： 内政部 arXiv公司

参考文献：

[1] 阿玛里，S。；Cichocki，A。；Yang，H.，《盲信号分离的一种新学习算法》（Adv.Neural Inf.Process.Syst.（1996），麻省理工学院出版社），757-763
[2] 巴赫，F。；Jordan，M.，《内核独立成分分析》，J.Mach。学习。决议，2002年7月3日至48日·兹比尔1088.68689
[3] 贝兰特，J。；杜德维茨，E.J。；Györfi，L。；Van der Meulen，E.C.，《非参数熵估计：综述》，《国际数学杂志》。统计科学。，6, 1, 17-39 (1997) ·兹比尔0882.62003
[4] 盖，T。；Thomas，J.，《信息理论的要素》（2012），John Wiley&Sons，纽约
[5] Diaconis，P。；Freedman，D.，《图形投影追踪的渐近性》，Ann.Statist。，12, 3, 793-815 (1984) ·Zbl 0559.62002号
[6] 德雷珀，B。；Baek，K。；Bartlett，M。；Beveridge，J.，用PCA和ICA识别人脸，计算机。视觉。图像理解。，91, 1-2, 115-137 (2003)
[7] 法哈特，M。；Gritli，Y。；Benrejeb，M.，《风力涡轮机机电系统机械故障检测和识别的Fast-ICA》，国际高级计算杂志。科学。申请。，8, 7, 431-439 (2017)
[8] Ghaffarian，S。；Ghaffarian，S.，使用单目高分辨率Google Earth图像基于Purposive FastICA（PFICA）算法的自动建筑物检测，ISPRS J.Photogram。遥感，97，152-159（2014）
[9] Hall，P.，m-空间一般函数和的极限定理，剑桥哲学学会数学学报，96，3，517-532（1984）·Zbl 0559.62013年
[10] 何，X。；He，F。；Zhu，T.，使用具有有理非线性的快速ICA分离大尺度超高斯源，国际。J.改编。控制信号处理。，31, 3, 379-397 (2017) ·Zbl 1362.93149号
[11] Hyvärinen，A.，《用于独立成分分析和投影追踪的差分熵新近似》（1997年神经信息处理系统进展会议论文集10（1998），麻省理工学院出版社），273-279
[12] Hyvärinen，A.，《独立元件分析的快速稳健定点算法》，IEEE Trans。神经网络。，10, 3, 626-634 (1999)
[13] Hyvärinen，A。；Karhunen，J。；Oja，E.，《独立成分分析》（2001），John Wiley&Sons，纽约
[14] Hyvärinen，A。；Oja，E.，《独立成分分析：算法和应用》，神经网络。，13, 4, 411-430 (2000)
[15] Lawrence，E.，偏微分方程（1998），美国数学学会：美国数学学会纽约·Zbl 0902.35002号
[16] Learnd-Miller，E。；Fisher，J.，ICA使用熵的间距估计，J.Mach。学习。1271-1295年12月4日决议（2003年）·Zbl 1061.62007年
[17] Marchini，J。；希顿，C。；Ripley，B.，FastICA:FastICA算法用于执行ICA和投影追踪（2013），R包版本1.2-0
[18] Miettinen，J。；诺德豪森，K。；Oja，H。；Taskinen，S.，具有非线性自适应选择的基于通缩的快速ICA，IEEE Trans。信号处理。，6215716-5724（2014）·Zbl 1394.94394号
[19] Miettinen，J。；Taskinen，S。；诺德豪森，K。；Oja，H.，第四矩和独立分量分析，统计科学。，30, 3, 372-390 (2015) ·Zbl 1332.62196号
[20] 史密斯，P。；沃斯，J。；Issoglio，E.，ClusterICA（2020年），编制中
[21] Stone，J.，《独立成分分析：教程导论》（2004），麻省理工学院出版社：麻省理学院出版社
[22] Vasicek，O.，《基于样本熵的正态性检验》，J.R.Stat.Soc.Ser。B统计方法。，38, 1, 54-59 (1976) ·Zbl 0331.62031号
[23] Wei，T.，关于fastICA算法的伪解，（2014 IEEE统计信号处理研讨会（SSP）（2014）），161-164
[24] Wei，T.，基于紧缩的FastICA算法的不动点和伪解研究，神经计算。申请。，28, 1, 13-24 (2017)
[25] von Weizsäcker，H.，Sudakov的典型边缘，随机线性泛函和条件中心极限定理，Probab。理论相关领域，107，3，313-324（1997）·Zbl 0868.60009号
[26] 杨，C.-H。；Shih，Y.-H先生。；Chiueh，H.，An\（81.6\ operatorname{\mu}W\）fastICA癫痫发作检测处理器，IEEE Trans。生物识别。电路系统。，9, 1, 60-71 (2015)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。