Self-Organising Neural Networks: Independent Component Analysis and Blind Source Separation

تصور ایده های تازه و توسعه تکنیک های جدید برای جداسازی منبع کور و تجزیه و تحلیل اجزای مستقل در سال های اخیر سریع بوده است. همچنین، از دیدگاه بسیاری از دانشمندان درگیر در این زمینه تحقیقاتی جذاب، مایه دلگرمی است که شاهد فهرست رو به رشد کاربردهای موفق این روش ها در طیف متنوعی از مسائل کاربردی روزمره باشیم. این رشد تا حدی به دلیل تعداد محققان جوان و مشتاق آینده‌دار بوده است که تلاش خود را برای گسترش مجموعه دانش فعلی در این زمینه تحقیقاتی متعهد کرده‌اند. نویسنده این کتاب یکی از آنهاست. من اطمینان دارم که کتاب حاضر توسط دکتر مارک جیرولامی ابزاری سریع و مؤثر برای انتقال برخی از این ایده‌های جدید به مخاطبان بین‌المللی گسترده‌ای ارائه خواهد کرد و به نوبه خود رشد دانش را بیشتر خواهد کرد. به نظر من این کتاب کمک مهمی به تئوری تجزیه و تحلیل مؤلفه های مستقل و جداسازی منبع کور می کند. این طیف وسیعی از روش‌ها، تکنیک‌ها و الگوریتم‌های هیجان‌انگیز را برای محققان کاربردی و مهندسان متخصص، به‌ویژه از منظر شبکه‌های عصبی مصنوعی و نظریه اطلاعات باز می‌کند. جالب است که ببینیم ادبیات علمی در این زمینه با چه سرعتی رشد کرده است.

The conception of fresh ideas and the development of new techniques for Blind Source Separation and Independent Component Analysis have been rapid in recent years. It is also encouraging, from the perspective of the many scientists involved in this fascinating area of research, to witness the growing list of successful applications of these methods to a diverse range of practical everyday problems. This growth has been due, in part, to the number of promising young and enthusiastic researchers who have committed their efforts to expanding the current body of knowledge within this field of research. The author of this book is among one of their number. I trust that the present book by Dr. Mark Girolami will provide a rapid and effective means of communicating some of these new ideas to a wide international audience and that in turn this will expand further the growth of knowledge. In my opinion this book makes an important contribution to the theory of Independent Component Analysis and Blind Source Separation. This opens a range of exciting methods, techniques and algorithms for applied researchers and practitioner engineers, especially from the perspective of artificial neural networks and information theory. It has been interesting to see how rapidly the scientific literature in this area has grown.