Startseite UR

Postnonlinear overcomplete blind source separation using sparse sources

Theis, Fabian J. ; Amari, S.



Zusammenfassung

We present an approach for blindly decomposing an observed random vector x into As where f is a diagonal function i.e. f=f_1 x ... x f_m with one-dimensional functions f_i and A an (m x n)-matrix. This postnonlinear model is allowed to be overcomplete, which means that less observations than sources (m$\lt$n) are given. In contrast to Independent Component Analysis (ICA) we do not assume the ...

plus


Nur für Besitzer und Autoren: Kontrollseite des Eintrags
  1. Universität

Universitätsbibliothek

Publikationsserver

Kontakt:

Publizieren: oa@ur.de
0941 943 -4239 oder -69394

Dissertationen: dissertationen@ur.de
0941 943 -3904

Forschungsdaten: datahub@ur.de
0941 943 -5707

Ansprechpartner