Metodyka i praktyka filtracji opartej na ślepej separacji sygnałów

• Autorzy: Ryszard Szupiluk , Paweł Rubach

Warianty tytułu

Methodology and practical aspects of signal filtration based on Blind Source Separation

• Języki publikacji: PL

Abstrakty

Filtracja szeregów czasowych przy wykorzystaniu dekompozycji wielowymiarowych może być zastosowana w różnych obszarach analizy danych. Do najpopularniejszych można zaliczyć estymację trendów, eliminację szumów, a także agregację modeli. Czynnikiem łączącym poszczególne zagadnienia jest założenie, że przetwarzane dane są pewną mieszaniną lub kombinacją nieznanych sygnałów (komponentów) źródłowych, które mogą być separowane. Założenie o nieznanym sposobie mieszania prowadzi nas do problemu ślepej separacji (ang. Blind Signal Separation lub Blind Source Separation, BSS) i metod tam stosowanych. Stąd całą filtrację określać będziemy filtracją BSS.(fragment tekstu)

EN

This paper presents the methodological and practical aspects of signal filtration using Blind Signal Separation. The paper describes the whole process and discusses various methods and algorithms used in signal filtration: ICA FASTICA, JADE, AMUSE and Nonnegative Matrix Factorization (NMF). A practical experiment has been conducted to demonstrate the overall filtration framework and show the effectiveness of three chosen algorithms: JADE, AMUSE and NMF. The practical goal of this experiment was to improve the prediction of short-term energy consumption. While using NMF does not provide an improvement, the other two algorithms perform well and lead to a significant reduction in the prediction error.(original abstract)

Słowa kluczowe

PL

Data Mining; Szeregi czasowe; Filtrowanie danych; Algorytmy

EN

Data Mining; Time-series; Data filtering; Algorithms

• Czasopismo: Roczniki Kolegium Analiz Ekonomicznych / Szkoła Główna Handlowa
• Rocznik: 2019
• Numer: nr 54 Rozwój gospodarki informacyjnej : wybrane aspekty
• Strony: 183--195

Twórcy

autor

Ryszard Szupiluk

• Szkoła Główna Handlowa w Warszawie

autor

Paweł Rubach

• Szkoła Główna Handlowa w Warszawie

Bibliografia

• Amari S., Cichocki A., Yang H. H., A New Learning Algorithm for Blind Signal Separation, Advances in Neural Information Processing Systems, NIPS-1995, vol. 8, MIT Press, Cambridge, MA 1996, s. 757-763.
• Cardoso J.-F., High-order Contrasts for Independent Component Analysis, "Neural Computation" 1999, vol. 11, no. 1, s. 157-192.
• Cichocki A., Amari S., Adaptive Blind Signal and Image Processing, Wiley, Chichester 2002.
• Cichocki A., Amari S., Families of Alpha-Beta-and Gamma-Divergences: Flexible and Robust Measures of Similarities, "Entropy" 2010, vol. 12, 1532-1568.
• Cichocki A., Zdunek R., Phan A.-H., Amari S., Nonnegative Matrix and Tensor Factorizations, Applications to Exploratory Multi-way Data Analysis 2009, John Wiley.
• Comon P., Jutten Ch., Handbook of Blind Source Separation: Independent Component Analysis and Applications, Academic Press, 2010, s. 7.
• Csiszar I., Axiomatic Characterizations of Information Measures, "Entropy" 2008, vol. 10, s. 261-273.
• Hérault J., Jutten Ch., Space or time Adaptive Signal Processing by Neural Network Models, International Conference on Neural Networks for Computing, Snowbird 1986.
• Hyvärinen A., Karhunen J., Oja E., Independent Component Analysis, Wiley, New York 2001.
• Lee D. D., Seung H. S., Learning the Parts of Objects with Nonnegative Matrix Factorization, "Nature" 1999, no. 401, s. 788-791.
• Szupiluk R., Dekompozycje wielowymiarowe w agregacji predykcyjnych modeli data mining, Oficyna Wydawnicza SGH w Warszawie, Warszawa 2013.
• Szupiluk R., Cichocki A., Ślepa separacja sygnałów przy wykorzystaniu statystyk drugiego rzędu, XXIV IC-SPETO, Ustroń 2001, s. 485-488.
• Szupiluk R., Rubach P., Extreme Value Model for Volatility Measure in Machine Learning Ensemble, Artificial Intelligence and Soft Computing. ICAISC 2018, "Lecture Notes in Computer Science" 2018, vol. 10841.
• Tong L., Soon V., Huang Y. F., Liu R., Indeterminacy and Identifiability of Blind Identification, "IEEE Transactions on Circuits and Systems" 1991, vol. 38, s. 499-509.