| 标题 |
  Independent Component Analysis Using an Extended Infomax Algorithm for Mixed Subgaussian and Supergaussian Sources 基于扩展Infomax算法的混合亚高斯和超高斯源的独立分量分析
相关领域
最大熵
独立成分分析
负熵
算法
理论（学习稳定性）
参数化复杂度
简单（哲学）
神经计算模型
人工智能
模式识别（心理学）
盲信号分离
人工神经网络
计算机科学
数学
频道（广播）
机器学习
认识论
计算机网络
哲学
|
| 网址 | |
| DOI | |
| 其它 |
期刊：Neural Computation 作者：Te-Won Lee; Mark Girolami; Terrence J. Sejnowski 出版日期：1999-02-01 |
| 求助人 | |
| 下载 | 求助已完成，仅限求助人下载。 |
|
温馨提示：该文献已被科研通 学术中心 收录，前往查看
科研通『学术中心』是文献索引库，收集文献的基本信息（如标题、摘要、期刊、作者、被引量等），不提供下载功能。如需下载文献全文，请通过文献求助获取。
|
zho
cdercder
OCDer
帮主哥哥
剑指东方是为谁
bc
anin
斯寜
妖娃娃
jyy
laber
YifanWang
泽ze
低调小狗
大气山兰
平常的毛豆
scm
cyanpomelo
pcr163
典雅问寒
皖公网安备34019202002308
