Startseite UR

On model identifiability in analytic postnonlinear ICA

Theis, Fabian J. und Gruber, P. (2005) On model identifiability in analytic postnonlinear ICA. Neurocomputing 64, S. 223-234.

Im Publikationsserver gibt es leider keinen Volltext zu diesem Eintrag.

Zum Artikel beim Verlag (über DOI)


Zusammenfassung

An important aspect of successfully analyzing data with blind source separation is to know the indeterminacies of the problem, that is how the separating model is related to the original mixing model. If linear independent component analysis (ICA) is used, it is well-known that the mixing matrix can be found in principle, but for more general settings not many results exist. In this work, only ...

plus


Bibliographische Daten exportieren



Dokumentenart:Artikel
Datum:2005
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.2004.11.015DOI
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 07:37
Dokumenten-ID:1618
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