snail9610的博客

在神经网络研究以及许多其他学科中，**一个基本问题是找到合适的多元数据表示形式**，即随机向量。由于计算和概念上的简单性，通常希望将表示形式作为原始数据的线性变换。换句话说，表示的每个组成部分都是原始变量的线性组合。众所周知的线性变换方法包括主成分分析、因子分析和投影追踪（Projection Pursuit）。独立成分分析（ICA）是最近开发的一种方法，其目的是找到非高斯数据的线性表示形式，从而使成分在统计上独立或尽可能独立。这样的表示似乎捕获了许多应用中数据的基本结构，包括特征提取和信号分离。在本文中，