- -

Nonlinear estimators from ICA mixture models

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Nonlinear estimators from ICA mixture models

Mostrar el registro completo del ítem

Safont Armero, G.; Salazar Afanador, A.; Vergara Domínguez, L.; Rodriguez Martinez, A. (2019). Nonlinear estimators from ICA mixture models. Signal Processing. 155:281-286. https://doi.org/10.1016/j.sigpro.2018.10.003

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/157360

Ficheros en el ítem

Thumbnail
Nombre: Safont;Salazar;Vergara ...
Tamaño: 829.1Kb
Formato: PDF
Descripción: Versión del Autor.
Abrir/Preview
[Cerrado]
Nombre: 2019 - Ed - SP - ...
Tamaño: 1.413Mb
Formato: PDF
Descripción: Versión editorial
Solicitar una copia al autor

Metadatos del ítem

Título: Nonlinear estimators from ICA mixture models
Autor: Safont Armero, Gonzalo Salazar Afanador, Addisson Vergara Domínguez, Luís RODRIGUEZ MARTINEZ, ALBERTO
Entidad UPV: Universitat Politècnica de València. Departamento de Comunicaciones - Departament de Comunicacions
Universitat Politècnica de València. Instituto Universitario de Telecomunicación y Aplicaciones Multimedia - Institut Universitari de Telecomunicacions i Aplicacions Multimèdia
Fecha difusión:
Resumen:
[EN] Independent Component Analyzers Mixture Models (ICAMM) are versatile and general models for a large variety of probability density functions. In this paper we assume ICAMM to derive new MAP and LMSE estimators. The ...[+]
Palabras clave: ICA , Nonlinear estimators , LMSE , MAP , EEG reconstruction , Non-Gaussian mixtures
Derechos de uso: Reconocimiento - No comercial - Sin obra derivada (by-nc-nd)
Fuente:
Signal Processing. (issn: 0165-1684 )
DOI: 10.1016/j.sigpro.2018.10.003
Editorial:
Elsevier
Versión del editor: https://doi.org/10.1016/j.sigpro.2018.10.003
Código del Proyecto:
info:eu-repo/grantAgreement/MINECO//TEC2014-58438-R/ES/PROCESADO DE SEÑAL SOBRE GRAFOS PARA SISTEMAS CLASIFICADORES: APLICACION EN SALUD, ENERGIA Y SEGURIDAD/
info:eu-repo/grantAgreement/GVA//PROMETEOII%2F2014%2F032/ES/TÉCNICAS AVANZADAS DE FUSIÓN EN TRATAMIENTO DE SEÑALES/
Descripción: "NOTICE: this is the author's version of a work that was accepted for publication in Signal Processing. Changes resulting from the publishing process, such as peer review, editing, corrections, structural formatting, and other quality control mechanisms may not be reflected in this document. Changes may have been made to this work since it was submitted for publication. A definitive version was subsequently published in Signal Processing, 155, (2019) https://doi.org/10.1016/j.sigpro.2018.10.003"
Agradecimientos:
This work was supported by Spanish Administration (Ministerio de Economia y Competitividad) and European Union (FEDER) under grant TEC2014-58438-R, and Generalitat Valenciana under grant PROMETEO II/2014/032.
Tipo: Artículo

recommendations

 

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro completo del ítem