시간 변화가 주는 정보
시계열의 분포가 시간에 따라 바뀌는 비정상 구조를 활용한다. TCL은 시간 구간이나 창을 최적으로 구별할 수 있는 표현을 찾는 원리다. 가까운 시점의 출력이 모두 같도록 만드는 일관성 학습과는 다른 과제다.
비선형 ICA와 연결하기
시간적 비정상성을 포함하도록 비선형 ICA를 정의하면 TCL과의 관계를 분석할 수 있다. 시간 대비 학습에 선형 ICA를 결합해 잠재 성분의 비선형 혼합을 추정하는 틀이다.
식별 결과의 허용 범위
연구는 원천 성분별 점별 변환까지의 추정과 유일성을 보인다. 통계 모형의 조건과 허용되는 변환을 함께 이해해야 한다. 임의의 정상 자료에서도 시간 구간만 나누면 성분이 식별된다는 뜻은 아니다.
구간 구별의 독립 예
설명용으로 센서의 변동 크기가 오전과 오후에 달라지면 구간을 구별하는 단서가 생길 수 있다. 다만 시간표를 외우는 것과 물리적 원천을 식별하는 조건은 별도다. 실제 연구 실험을 옮기지 않은 시간 변화의 예다.
관련 문서
독립 성분 분석 / 보조 변수 비선형 ICA / 식별 가능한 VAE와 비선형 ICA / 비지도 분리 표현의 식별 한계 / 자기 지도 학습 / 대조 학습