فرض کنید در یک مهمانی شلوغ هستید. همه جور صدایی شنیده می شود: صدای موسیقی بسیار بلند، صدای خواننده، صدای ظرف ها و قاشق ها، صدای همهمه مهمانان، صدای صندلی ها که گاه جابجا می شوند صدای دوستانتان که نزدیک تر با هم صحبت می کنند. در همین حین یکی از دوستانتان به شما نزدیک می شود و دوست جدیدش را به شما معرفی می کند با هم دست می دهید و احوالپرسی می کنید. چه چیز عجیبی در این باره وجود دارد ؟
در واقع این قضیه بسیار عجیب است چرا که مغز شما توانسته است بین سیگنال های صوتی بسیار در هم و بر هم صدای خاصی را بشنود و تمام بقیه را بیرون بریزد. این مساله که به اثر مهمانی (cocktail party effect) شناخته می شود. سالهاست که بیولوژیست ها و عصب شناسان را به خود مشغول کرده است. مطالعات زیادی بر روی این موضوع انجام شده است که چگونه مغز می تواند موفق به چنین کاری شود. با این حال روش هایی هم در یادگیری ماشین و پردازش سیگنال ارائه شده اند که این فرآیند را تقلید می کنند. این مساله در حوزه پردازش سیگنال به مساله تفکیک منبع کور (blind source separation) شناخته می شود .
یکی از الگوریتم های بسیار توانا در این زمینه Independent Component Analysis است. در این روش فرض بر آن است که سیگنال ها به صورت خطی با هم ترکیب شده اند و همچنین گاوسی نیستند .
چنانچه جزییات بیشتری در مورد ریاضیات ICA به زبان ساده می خواهید می توانید کتاب زیر را تهیه کنید .
https://mitpress.mit.edu/books/independent-component-analysis

🆔 @Julia_Programming