The present invention describes a partial independent component analysis
(PICA) technique for blindly separating partially independent and/or
gaussian-like sources from mixed observations over an informative index
subspace, which allows various applications in independent component
imaging. The present invention estimates a demixing matrix using only the
independent and/or nongaussian portion of the observations. Specifically,
rather than using all the data points which give rise to a large
separation error, a subset of the data points is identified such that the
partial source profiles defined over such a subset are statistically
independent and/or nongaussian. The present invention describes a complete
implementation of such a technique, whose steps and parameters may be
achieved and estimated using an information theoretic-based neural
computational algorithm. The present invention also demonstrates the
principle of the approach on both controlled cases and real-world
problems, and describes many extended applications of such a technique.
Die anwesende Erfindung beschreibt eine teilweise unabhängige Teilanalyse (PICA) Technik für teilweise unabhängiges und/oder Gaußsch-wie Quellen von Mischbeobachtungen über einem informativen Indexteilraum blind trennen, der verschiedene Anwendungen in der unabhängigen Teilbelichtung erlaubt. Die anwesende Erfindung schätzt eine demixing Matrix mit nur dem unabhängigen und/oder nicht Gausschen Teil der Beobachtungen. Spezifisch anstatt mit allen Datenpunkten, die eine große Trennung Störung verursachen, wird einer Teilmenge der Datenpunkte so gekennzeichnet, daß der teilweise Quellprofile definierte Überschuß solch eine Teilmenge statistisch unabhängig und/oder nicht Gaussch sind. Die anwesende Erfindung beschreibt eine komplette Implementierung solch einer Technik, deren Schritte und Parameter mit einem Informationen theoretisch-gegründeten neuralen Berechnungsalgorithmus erzielt werden und geschätzt werden können. Die anwesende Erfindung zeigt auch die Grundregel der Annäherung auf kontrollierten Fällen und realistischen Problemen und beschreibt viele ausgedehnte Anwendungen solch einer Technik.
