جداسازی منبع غیرخطی ۲۰۲۲
Nonlinear Source Separation 2022

هدف این کتاب آموزشی ارائه آخرین دستاوردهای جداسازی کور منابع غیرخطی به شکلی است که برای دانشجویان، محققان و توسعه‌دهندگان مناسب باشد. جداسازی منابع به مسئله بازیابی منابعی می‌پردازد که در شرایط مختلط مشاهده می‌شوند. هنگامی که دانش کمی در مورد منابع و فرآیند اختلاط داشته باشیم، از جداسازی کور منابع صحبت می‌کنیم. جداسازی کور منابع خطی موضوع نسبتاً مطالعه‌شده‌ای است، با این حال جداسازی کور منابع غیرخطی هنوز در مرحله‌ای کم‌تر پیشرفته قرار دارد، اما در چند سال گذشته پیشرفت‌های چشمگیری داشته است. این نشریه روش‌های اصلی جداسازی غیرخطی، از جمله جداسازی اختلاط‌های پسانادر، و روش‌های MISEP، یادگیری جمعی و kTDSEP را برای اختلاط‌های عمومی بررسی می‌کند. این روش‌ها با عمق قابل توجهی مورد مطالعه قرار می‌گیرند. یک نمای کلی تاریخی نیز ارائه شده است که در آن به بیشتر نتایج مرتبط با جداسازی کور منابع غیرخطی که در طول سال‌ها ارائه شده‌اند اشاره می‌شود.

The purpose of this lecture book is to present the state of the art in nonlinear blind source separation, in a form appropriate for students, researchers and developers. Source separation deals with the problem of recovering sources that are observed in a mixed condition. When we have little knowledge about the sources and about the mixture process, we speak of blind source separation. Linear blind source separation is a relatively well studied subject, however nonlinear blind source separation is still in a less advanced stage, but has seen several significant developments in the last few years. This publication reviews the main nonlinear separation methods, including the separation of post-nonlinear mixtures, and the MISEP, ensemble learning and kTDSEP methods for generic mixtures. These methods are studied with a significant depth. A historical overview is also presented, mentioning most of the relevant results, on nonlinear blind source separation, that have been presented over the years.