लेखकों ने रैखिक स्वतंत्र घटक विश्लेषण (Linear Independent Component Analysis) के लिए एक नए एल्गोरिदम OT-ICA का प्रस्ताव दिया है जो मानक गॉसियन की ओर वर्गीकृत वाटरस्टीन दूरी का उपयोग करके अगॉसियनिटी को मापता है, प्रतिस्थापन कंट्रास्ट फ़ंक्शंस के बजाय। उन्होंने सिद्ध किया है कि जब प्रक्षेपण एक स्वतंत्र घटक को पुनर्प्राप्त करते हैं तो यह दूरी अधिकतम होती है और ग्रेडिएंट-आधारित अनुकूलन के माध्यम से विधि को लागू किया है।
- अगणनीय नेगेन्ट्रॉपी अनुकूलन को वर्गीकृत वाटरस्टीन दूरी $W_2^2$ से बदलता है।
- मानक सामान्य और रैखिक डेटा प्रक्षेपणों के बीच वाटरस्टीन दूरी को अधिकतम करता है।
- विभिन्न लैटेंट चर वितरणों पर सिमुलेटेड डेटा पर प्रतिस्थापन-आधारित तरीकों से बेहतर प्रदर्शन करता है।
- वितरण मान्यताओं के बिना EEG कलावशेष हटाए और अर्थशास्त्रीय मूल्य खोज में सफलतापूर्वक लागू किया गया।
OT-ICA पारंपरिक तरीकों द्वारा आवश्यक वितरण मान्यताओं की आवश्यकता से बचकर, लागू ICA कार्यों के लिए एक व्यावहारिक विकल्प प्रदान करता है।