tập ảnh cơ sở độc lập thống kê S, với A là ma trận trộn chưa biết, tập ảnh cơ sở được ước lượng qua ICA là tập output U.
A.4.10.3 Kiến trúc 2:
Đặt các ảnh thành các cột của ma trận dữ liệu X. Trong cách sắp xếp này, các pixel xem như các biến ngẫu nhiên, số lượng pixel của một ảnh cũng chính bằng số micro, bằng số thành phần độc lập, các ảnh là các sự quan sát. Ở đây tạo cho chúng ta cảm giác nói về sự độc lập của các pixel. Ví dụ pixel i va j được gọi là độc lập nếu chúng ta không thể dự đoán giá trị của của pixel i dựa trên giá trị của pixel j tương ứng trên cùng một ảnh. Cách tiếp cận này đã được thực hiện bởi Bell và Sejnowski’s trên các thành phần độc lập của ảnh tự nhiên.
Cái đích của kiến trúc 1 là sử dụng ICA để tìm một không gian các ảnh cơ sở độc lập. Mặc dù các ảnh cơ sở tìm thấy trong kiến trúc 1 là xấp xỉ độc lập, nhưng các hệ số để mã các ảnh thì không độc lập (các hệ số tượng trưng – biểu diễn cho các ảnh input
dung ICA để tìm một sự biễu diễn mà các hệ số sử dụng để mã các ảnh là độc lập thống kê (tìm sự độc lập thống kê các hệ số cho dữ liệu input).
Sự tách nguồn được thực hiện trên các pixel và mỗi hàng của ma trận trọng số W là một ảnh. A, ma trận nghịch đảo của W, chứa các ảnh cơ sở trong các cột của nó. Sự độc lập thống kê các hệ số nguồn trong S mà cấu thành nên các ảnh input thì được khôi phục trong các cột của U = W * X, tức là mỗi cột của U chứa các hệ số của các ảnh cơ sở trong A cho việc xây dựng lại mỗi ảnh trong X.
(Chúng ta tìm các thành phần độc lập U, với U = W * X. Mỗi cột của U chứa các thành phần của tập ảnh cơ sở trong A cho việc xây dựng lại mỗi ảnh trong X. ICA cố gắng tạo ra tập output U là độc lập nhất có thể).
Hình A.4.10.3 - 1:minh họa kiến trúc 2 trong mô hình ICA