Los puntos clave no están disponibles para este artículo en este momento.
El análisis de componentes independientes (ICA) es un método ampliamente utilizado en diversas aplicaciones de procesamiento de señales y extracción de características. Amplía el análisis de componentes principales (PCA) y puede extraer componentes importantes y complicados con pequeñas varianzas. Uno de los principales problemas del ICA es que la unicidad de la solución no está garantizada, a diferencia del PCA. Esto se debe a que hay muchos óptimos locales en la optimización de la función objetivo del ICA. Se ha demostrado anteriormente que el óptimo global único del ICA se puede estimar a partir de muchas inicializaciones aleatorias mediante cálculos manuales de hilos. En este documento, la estimación única del ICA se acelera considerablemente al reformular el algoritmo en representación matricial y reducir cálculos redundantes. Los resultados experimentales en conjuntos de datos artificiales y datos de EEG verificaron la eficiencia del método propuesto.
Matsuda et al. (Fri,) estudiaron esta cuestión.