Online Component Analysis, Architectures and Applications
Ez a monográfia a főkomponens-elemzéssel (PCA), a kernel komponenselemzéssel (KPCA) és a független komponenselemzéssel (ICA) foglalkozik, kiemelve ezek alkalmazását a streaming-adatok megvalósításában. A PCA-val, KPCA-val és ICA-val kapcsolatos alapfogalmak széles körben elérhetőek a szakirodalomban; azonban nagyon kevés szöveg foglalkozik gyakorlati megvalósításukkal számításkorlátozott erőforrások mellett.
Ez a monográfia a legkorszerűbb online PCA és KPCA technikákat tárgyalja egységes és elvi alapokon nyugvó módon, és olyan megoldásokat mutat be, amelyek számos alkalmazásban, különösen a képfeldolgozásban, nagyobb konvergenciasebességet és pontosságot érnek el. Emellett ez a munka azt is elmagyarázza, hogyan lehet eltávolítani a különböző műtárgyakat az adatrekordokból a vak forrásleválasztás alapján az ICA-val megvalósított független komponenselemzéssel, szétválasztva a jellemzőazonosítást a jellemzőleválasztástól. Ebben három FastICA online hardverarchitektúrával és végrehajtással foglalkozunk az orvosbiológiai jelfeldolgozáshoz.
A főbb jellemzőket a következőkben foglaljuk össze: 1) energiahatékony FastICA a javasolt korai meghatározási sémát használva; 2) költséghatékony változó csatornás FastICA a Gram-Schmidt-alapú fehérítő algoritmus használatával; és 3) mozgóablak-alapú online FastICA algoritmus korlátozott memóriával. Az utólagos szimulációs eredmények mesterséges és EEG-adatokkal validálják a tervezési koncepciókat.