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

Público ISBD Ningún comentario para este registro. 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, Autor ; Duarte, Leonardo Tomazeli, Autor ; Hosseini, Shahram, Autor 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. 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 Índice Dewey: 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Nonlinear Blind Source Separation and Blind Mixture Identification : Methods for Bilinear, Linear-quadratic and Polynomial Mixtures [documento electrónico] / Deville, Yannick, Autor ; Duarte, Leonardo Tomazeli, Autor ; Hosseini, Shahram, Autor  . -  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. 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 Índice Dewey: 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. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200