Análisis de Componentes Independientes (ICA)
El Análisis de Componentes Independientes (ICA, por sus siglas en inglés) es un método computacional para separar una señal multivariante en subcomponentes aditivos y estadísticamente independientes. Formalizado por Pierre Comon en 1994, el ICA se convirtió en el marco fundamental para la separación ciega de fuentes y se aplica ampliamente en neuroimagen (fMRI, EEG), procesamiento de voz y análisis de señales biomédicas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Comon, P. (1994). Independent component analysis, a new concept? Signal Processing, 36(3), 287–314. DOI: 10.1016/0165-1684(94)90029-9 ↗
- Hyvärinen, A., Karhunen, J., & Oja, E. (2001). Independent Component Analysis. Wiley. ISBN: 978-0-471-40540-5
Cómo citar esta página
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/es/machine-learning/independent-component-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.
- Análisis FactorialEstadística para la investigación↔ compare
- Factorización de Matrices No Negativas (NMF)Aprendizaje automático↔ compare
- Descomposición en Valores SingularesMétodos numéricos↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →