• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Nonsmooth ICA Contrast Minimization Using a Riemannian Nelder–Mead Method
【24h】

Nonsmooth ICA Contrast Minimization Using a Riemannian Nelder–Mead Method

机译：使用Riemannian Nelder-Mead方法的非平滑ICA对比度最小化

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This brief concerns the design and application of a Riemannian Nelder–Mead algorithm to minimize a Hartley-entropy-based contrast function to reliably estimate the sources from their mixtures. Despite its nondifferentiability, the contrast function is endowed with attractive properties such as , and hence warrants an effort to be effectively handled by a derivative-free optimizer. Aside from tailoring the Nelder–Mead technique to the constraint set, namely, oblique manifold, the source separation results attained in an empirical study with quasi-correlated synthetic signals and digital images are presented, which favor the proposed method on a comparative basis.
机译：本简介涉及黎曼（Riemannian）Nelder–Mead算法的设计和应用，以最小化基于Hartley熵的对比度函数，从而可靠地从混合物中估算来源。尽管具有不可微性，但是对比度函数具有诸如的吸引人的属性，因此需要努力通过无导数优化器来有效处理。除了将Nelder-Mead技术调整为约束集（即斜流形）之外，还提供了使用准相关合成信号和数字图像进行的经验研究获得的源分离结果，这些结果在比较的基础上支持了该方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号