Embedded Files
Bem-vindos à disciplina de Análise de Componentes Independentes (ICA), CPE 782, um espaço acadêmico verdadeiramente especial que resgata e valoriza os pilares fundamentais do processamento de sinais clássico e da estatística multivariada avançada — conceitos matemáticos de extrema elegância que, embora muitas vezes esquecidos ou negligenciados na era dos modelos de caixa-preta contemporâneos, continuam sendo indispensáveis. Ao longo deste período, os alunos compreenderão a profunda robustez teórica dessas técnicas consagradas, cuja eficácia não depende de volumes massivos de dados para treinamento, mas sim de uma modelagem analítica sólida e precisa do mundo real. Dominar essas ferramentas clássicas vai muito além do aprendizado de algoritmos específicos; trata-se de um passo crucial para a formação completa, crítica e integrada de qualquer pesquisador ou engenheiro, capacitando o estudante a compreender os fenômenos ocultos em misturas complexas de dados com o rigor técnico necessário para propor soluções inovadoras e duradouras.
Bibliografia:
A bibliografia principal recomendada para o acompanhamento e fundamentação teórica desta disciplina é a obra clássica Independent Component Analysis, de autoria de Aapo Hyvärinen, Juha Karhunen e Erkki Oja, publicada pela editora John Wiley & Sons. Este livro-texto é amplamente reconhecido como a referência definitiva na área, cobrindo de forma rigorosa desde as revisões fundamentais de estatística multivariada, teoria da informação e otimização por gradientes, até o desenvolvimento detalhado dos algoritmos FastICA, métodos tensoriais (JADE) e deconvolução cega. Como leitura complementar para o desenvolvimento dos trabalhos práticos e do artigo final, incentiva-se a consulta a artigos científicos clássicos dos mesmos autores e de periódicos de alto impacto das comunidades de processamento de sinais e aprendizado estatístico de máquina (como IEEE e JMLR), garantindo o suporte metodológico necessário para a correta implementação e análise crítica dos modelos estudados.
Avisos:
Link do convite para o Google Classroom.
Proposta da matéria, avaliação do trabalho prático e avaliação final.
Seminários:
Capítulos:
Capítulo 2 (João Victor)
Trabalho Prático:
Como primeiro trabalho prático desta disciplina, esta atividade consistirá na elaboração de uma apresentação oral acompanhada de slides técnicos individuais, focando na investigação e aplicação de técnicas de Análise de Componentes Independentes (ICA) para a resolução do problema de Separação Cega de Fontes (Blind Source Separation - BSS). O objetivo fundamental é que o discente demonstre não apenas proficiência técnica na implementação dos algoritmos de separação e manipulação de sinais, mas também rigor científico na análise estatística de desempenho através da exposição visual de seus resultados. Para a execução deste estudo, cada grupo será selecionado para utilizar um algoritmo específico, que deverá ser obrigatoriamente aplicado a um conjunto de amostras de misturas fornecidas pelo parte 1 da atividade.
Amostras de áudio misturadas (9 Runs).
Amostras de imagens misturadas. (Runs 1 e 3 com imagens 128x128 pixels)
Amostras de distribuições misturadas (9 Runs com 100, 1000 e 100000 amostras).
Lista de algoritmos que serão utilizados por cada aluno.
Amostras originais de áudio (Gabarito).
Amostras originais de imagens (Gabarito).
Amostras originais de distribuições (Gabarito).
Resultados:
Tabela de Notas
Page updated
Report abuse