연구진은 복잡한 역학 없이 국소 업데이트만으로 소스 분리(BSS)를 수행하는 예측 엔트로피 최대화(PEM) 방법을 제안했습니다. PEM은 기존 방식보다 강한 독립성이나 상관 해제 가정을 필요로 하지 않으며, 정확한 정보 기반 기준과 경쟁적인 성능을 보입니다. 이 방법은 수지상 기전과 국소 헤브 학습을 활용하여 소스 영역 제약 조건을 단순한 출력 비선형성을 통해 적용합니다.
PEM은 오류 기반 규칙을 따르는 순방향 시냅스, 국소 헤브 가소성을 통한 측방 억제 연결, 간단한 출력 비선형성을 통해 소스 영역 제약을 적용합니다. 연구진은 대리 오류에 대한 명시적인 스펙트럼 경계를 도출하여 근사치의 정확성을 특징짓습니다.
PEM 구현 코드는 GitHub 저장소에서 확인할 수 있으며, 증가하는 소스 상관 관계와 관찰 노이즈 하에서 견고함을 유지하며 기존 알고리즘을 능가하는 것으로 나타났습니다.