Авторы предлагают OT-ICA, новый алгоритм линейного анализа независимых компонент (ICA), который измеряет негауссовость с помощью квадрата водштейновского расстояния до стандартного гауссова распределения вместо прокси-контрастных функций. Они доказывают, что это расстояние максимизируется, когда проекции восстанавливают независимую компоненту, и реализуют метод с помощью градиентной оптимизации.
- Заменяет невычислимую оптимизацию негэнтропии квадратом водштейновского расстояния $W_2^2$.
- Максимизирует водштейновское расстояние между стандартным нормальным распределением и линейными проекциями данных.
- Превосходит методы на основе прокси на смоделированных данных при различных распределениях латентных переменных.
- Успешно применен для удаления артефактов ЭЭГ и эконометрического обнаружения ценовых тенденций без допущений о распределении.
OT-ICA предоставляет жизнеспособную альтернативу для прикладных задач ICA, избегая необходимости в допущениях о распределении, требуемых классическими методами.