Nonlinear Blind Source Separation and Blind Mixture Identification / Deville, Yannick  

Público ISBD Ningún comentario para este título. Título : Nonlinear Blind Source Separation and Blind Mixture Identification : Methods for Bilinear, Linear-quadratic and Polynomial Mixtures Tipo de documento: documento electrónico Autores: Deville, Yannick, ; Duarte, Leonardo Tomazeli, ; Hosseini, Shahram, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: IX, 71 p. 7 ilustraciones ISBN/ISSN/DL: 978-3-030-64977-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de la señal  Procesamiento de imágenes  Visión por computador  Inteligencia Computacional  Matemáticas  Procesamiento de señales digitales y analógicas  Imágenes por computadora  visión  reconocimiento de patrones y gráficos  Matemática Computacional y Análisis Numérico Clasificación: 6.213.822 Resumen: Este libro proporciona un estudio detallado de los métodos que se desarrollaron recientemente para manejar versiones avanzadas del problema de separación ciega de fuentes, que involucran varios tipos de mezclas no lineales. Otra característica atractiva del libro es que se basa en un marco coherente. Más precisamente, los autores presentan primero un procedimiento general para desarrollar métodos de separación ciega de fuentes. Luego, todos los métodos informados se definen con respecto a este procedimiento. Esto permite al lector no sólo seguir más fácilmente la descripción de cada método sino también ver cómo estos métodos se relacionan entre sí. La coherencia de este libro también resulta del hecho de que en todos los capítulos se utilizan las mismas notaciones para las cantidades (señales fuente, etc.) que se utilizan en diversos métodos. Finalmente, entre los muy variados tipos de métodos de procesamiento que se presentan en este libro, una parte importante de esta descripción está dedicada a métodos basados ​​en redes neuronales artificiales, especialmente las recurrentes, que actualmente son de gran interés para el análisis de datos y el aprendizaje automático. comunidad en general, más allá de las comunidades más específicas de procesamiento de señales y separación ciega de fuentes. Presenta configuraciones avanzadas del problema de separación ciega de fuentes, involucrando modelos de mezcla bilineal, lineal-cuadrático y polinomial; Proporciona una descripción detallada y coherente de los métodos reportados en la literatura para manejar este tipo de fenómenos de mezcla; Se centra en configuraciones complejas que implican transformaciones de mezcla no lineales. Nota de contenido: Introduction -- Expressions and variants of the linear-quadratic mixing model -- Invertibility of mixing model, separating structures -- Independent component analysis and Bayesian separation methods -- Matrix factorization methods -- Sparse component analysis methods -- Extensions and conclusion -- Bilinear Sparse Component Analysis methods based on single source zones -- Conclusion. Tipo de medio : Computadora Summary : This book provides a detailed survey of the methods that were recently developed to handle advanced versions of the blind source separation problem, which involve several types of nonlinear mixtures. Another attractive feature of the book is that it is based on a coherent framework. More precisely, the authors first present a general procedure for developing blind source separation methods. Then, all reported methods are defined with respect to this procedure. This allows the reader not only to more easily follow the description of each method but also to see how these methods relate to one another. The coherence of this book also results from the fact that the same notations are used throughout the chapters for the quantities (source signals and so on) that are used in various methods. Finally, among the quite varied types of processing methods that are presented in this book, a significant part of this description is dedicated to methods based on artificial neural networks, especially recurrent ones, which are currently of high interest to the data analysis and machine learning community in general, beyond the more specific signal processing and blind source separation communities. Presents advanced configurations of the blind source separation problem, involving bilinear, linear-quadratic and polynomial mixing models; Provides a detailed and coherent description of the methods reported in the literature for handling these types of mixing phenomena; Focuses on complex configurations involving nonlinear mixing transforms. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Nonlinear Blind Source Separation and Blind Mixture Identification : Methods for Bilinear, Linear-quadratic and Polynomial Mixtures [documento electrónico] / Deville, Yannick, ; Duarte, Leonardo Tomazeli, ; Hosseini, Shahram,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - IX, 71 p. 7 ilustraciones. ISBN : 978-3-030-64977-7 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Procesamiento de la señal  Procesamiento de imágenes  Visión por computador  Inteligencia Computacional  Matemáticas  Procesamiento de señales digitales y analógicas  Imágenes por computadora  visión  reconocimiento de patrones y gráficos  Matemática Computacional y Análisis Numérico Clasificación: 6.213.822 Resumen: Este libro proporciona un estudio detallado de los métodos que se desarrollaron recientemente para manejar versiones avanzadas del problema de separación ciega de fuentes, que involucran varios tipos de mezclas no lineales. Otra característica atractiva del libro es que se basa en un marco coherente. Más precisamente, los autores presentan primero un procedimiento general para desarrollar métodos de separación ciega de fuentes. Luego, todos los métodos informados se definen con respecto a este procedimiento. Esto permite al lector no sólo seguir más fácilmente la descripción de cada método sino también ver cómo estos métodos se relacionan entre sí. La coherencia de este libro también resulta del hecho de que en todos los capítulos se utilizan las mismas notaciones para las cantidades (señales fuente, etc.) que se utilizan en diversos métodos. Finalmente, entre los muy variados tipos de métodos de procesamiento que se presentan en este libro, una parte importante de esta descripción está dedicada a métodos basados ​​en redes neuronales artificiales, especialmente las recurrentes, que actualmente son de gran interés para el análisis de datos y el aprendizaje automático. comunidad en general, más allá de las comunidades más específicas de procesamiento de señales y separación ciega de fuentes. Presenta configuraciones avanzadas del problema de separación ciega de fuentes, involucrando modelos de mezcla bilineal, lineal-cuadrático y polinomial; Proporciona una descripción detallada y coherente de los métodos reportados en la literatura para manejar este tipo de fenómenos de mezcla; Se centra en configuraciones complejas que implican transformaciones de mezcla no lineales. Nota de contenido: Introduction -- Expressions and variants of the linear-quadratic mixing model -- Invertibility of mixing model, separating structures -- Independent component analysis and Bayesian separation methods -- Matrix factorization methods -- Sparse component analysis methods -- Extensions and conclusion -- Bilinear Sparse Component Analysis methods based on single source zones -- Conclusion. Tipo de medio : Computadora Summary : This book provides a detailed survey of the methods that were recently developed to handle advanced versions of the blind source separation problem, which involve several types of nonlinear mixtures. Another attractive feature of the book is that it is based on a coherent framework. More precisely, the authors first present a general procedure for developing blind source separation methods. Then, all reported methods are defined with respect to this procedure. This allows the reader not only to more easily follow the description of each method but also to see how these methods relate to one another. The coherence of this book also results from the fact that the same notations are used throughout the chapters for the quantities (source signals and so on) that are used in various methods. Finally, among the quite varied types of processing methods that are presented in this book, a significant part of this description is dedicated to methods based on artificial neural networks, especially recurrent ones, which are currently of high interest to the data analysis and machine learning community in general, beyond the more specific signal processing and blind source separation communities. Presents advanced configurations of the blind source separation problem, involving bilinear, linear-quadratic and polynomial mixing models; Provides a detailed and coherent description of the methods reported in the literature for handling these types of mixing phenomena; Focuses on complex configurations involving nonlinear mixing transforms. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200