« Analyse en sous-espaces indépendants » : différence entre les versions


Aucun résumé des modifications
Balise : Éditeur de wikicode 2017
Aucun résumé des modifications
Ligne 5 : Ligne 5 :
[[Catégorie:9]]
[[Catégorie:9]]


== Définition ==
==Définition==
L'analyse indépendante du sous-espace est une généralisation de l'ACI ( analyse des composantes indépendantes). Elle essaie de trouver une base dans laquelle un vecteur aléatoire donné peut être décomposé en groupes de vecteurs aléatoires mutuellement indépendants.  
L'analyse indépendante du sous-espace est une généralisation de l'ACI ( analyse des composantes indépendantes). Elle essaie de trouver une base dans laquelle un vecteur aléatoire donné peut être décomposé en groupes de vecteurs aléatoires mutuellement indépendants.  


== Français ==
==Français==
'''Analyse en sous-espaces indépendants'''  <small>loc. nom. fém.</small>
'''analyse en sous-espaces indépendants'''  <small>loc. nom. fém.</small>
   
   
== Anglais ==
==Anglais==
'''independent subspace analysis'''
'''independent subspace analysis'''


Ligne 17 : Ligne 17 :
<small>
<small>


[https://link.springer.com/chapter/10.1007/978-3-540-74494-8_7   Source: springer.com ]
[https://link.springer.com/chapter/10.1007/978-3-540-74494-8_7 Source: springer.com]


[https://www.apprentissageprofond.org/   Source:  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 page 491 ]
[https://www.apprentissageprofond.org/ Source:  ''L'apprentissage profond'',  Ian Goodfellow, Yoshua Bengio et Aaron Courville  Éd. Massot 2018 page 491]

Version du 4 mars 2020 à 12:51


Définition

L'analyse indépendante du sous-espace est une généralisation de l'ACI ( analyse des composantes indépendantes). Elle essaie de trouver une base dans laquelle un vecteur aléatoire donné peut être décomposé en groupes de vecteurs aléatoires mutuellement indépendants.

Français

analyse en sous-espaces indépendants loc. nom. fém.

Anglais

independent subspace analysis


Source: springer.com

Source: L'apprentissage profond, Ian Goodfellow, Yoshua Bengio et Aaron Courville Éd. Massot 2018 page 491



Contributeurs: Jacques Barolet, wiki