Startseite UR

A Geometric Algorithm for Overcomplete Linear ICA

Theis, Fabian J. und Lang, Elmar und Puntonet, Carlos G. (2004) A Geometric Algorithm for Overcomplete Linear ICA. Neurocomputing 56, S. 381-398.

Im Publikationsserver gibt es leider keinen Volltext zu diesem Eintrag.

Zum Artikel beim Verlag (über DOI)

Andere URL zum Volltext: http://homepages.uni-regensburg.de/~thf11669/publications/theis04overcomplete_neurocomp.pdf


Zusammenfassung

We generalize geometric algorithms to overcomplete cases with more sources than sensors. With geometric ICA we get an efficient method for the matrix-recovery step in the framework of a two-step approach to the source separation problem. The second step - source-recovery - uses a maximum-likelihood approach. There we prove that the shortest-path algorithm as proposed by Bofill and Zibulevsky indeed solves the maximum-likelihood conditions.


Bibliographische Daten exportieren



Dokumentenart:Artikel
Datum:2004
Institutionen:Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang
Biologie und Vorklinische Medizin > Institut für Biophysik und physikalische Biochemie > Prof. Dr. Elmar Lang > Arbeitsgruppe Dr. Fabian Theis
Projekte:Graduiertenkolleg Nichtlinearität und Nichtgleichgewicht
Identifikationsnummer:
WertTyp
10.1016/j.neucom.2003.09.008DOI
Dewey-Dezimal-Klassifikation:500 Naturwissenschaften und Mathematik > 530 Physik
500 Naturwissenschaften und Mathematik > 570 Biowissenschaften, Biologie
Status:Veröffentlicht
Begutachtet:Ja, diese Version wurde begutachtet
An der Universität Regensburg entstanden:Ja
Eingebracht am:20 Mrz 2007
Zuletzt geändert:04 Okt 2010 07:47
Dokumenten-ID:1585
Nur für Besitzer und Autoren: Kontrollseite des Eintrags
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de

Dissertationen: dissertationen@ur.de

Forschungsdaten: daten@ur.de

Ansprechpartner