Multivariační analýza vzorců
Multivariační analýza vzorců (MVPA) je přístup strojového učení aplikovaný na fMRI, který dekóduje kognitivní stavy, podněty nebo chování z celomozkových prostorových vzorců nervové aktivity. MVPA, poprvé představená Haxbym a kolegy v roce 2001, chápe fMRI jako klasifikační problém: dokáže trénovaný dekodér předpovědět, co osoba vnímá nebo si myslí, pouze na základě vzorce její mozkové aktivity?
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Multivariate Pattern Analysis (MVPA). ScholarGate. https://scholargate.app/cs/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.
- Analýza mozkových sítí pomocí grafůNeurozobrazování↔ compare
- Analýza podobnosti reprezentacíNeurozobrazování↔ compare
- Voxel-Based MorphometryNeurozobrazování↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →