面向解混流的自充分独立成分分析（Self-sufficient ICA）

针对非线性独立成分分析（ICA），研究者提出用于解混流的自充分独立成分分析方法，通过最小化条件 KL 散度学习解耦信号。该算法具备无先验与无似然特性，在每次迭代中序列化学习解混流模型，完全避免了不稳定的对抗训练。实验在玩具和真实数据集上验证了该方法的有效性。