Многомерно-вариантен анализ на закономерности
Многомерно-вариантен анализ на закономерности (MVPA) е подход от машинното обучение за функционален магнитно-резонансен томограф (fMRI), който декодира когнитивни състояния, стимули или поведение от пространствени закономерности на невронна активност в целия мозък. Пионерски разработен от Хакби и колеги през 2001 г., MVPA третира fMRI като класификационен проблем: може ли обучен декодер да предвиди какво човек възприема или мисли, базирайки се единствено на закономерността на мозъчната си активност?
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Norman, K. A., Polyn, S. M., Detre, G. J., & Haxby, J. V. (2006). Beyond mind-reading: multi-voxel pattern analysis of fMRI data. Trends in Cognitive Sciences, 10(9), 424–430. DOI: 10.1016/j.tics.2006.07.005 ↗
- Haxby, J. V., Gobbini, M. I., Furey, M. L., et al. (2001). Distributed and overlapping representations of faces and objects in ventral temporal cortex. Science, 293(5539), 2425–2430. DOI: 10.1126/science.1063736 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/bg/neuroimaging/multivariate-pattern-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Анализ на мозъчни мрежи чрез графиНевроизобразяване↔ compare
- Анализ на представителна сходствоНевроизобразяване↔ compare
- Вокселна морфометрияНевроизобразяване↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →