Analyse en Composantes Indépendantes (ACI)
L'Analyse en Composantes Indépendantes (ACI) est une méthode computationnelle permettant de séparer un signal multivarié en sous-composantes additives et statistiquement indépendantes. Formalisée par Pierre Comon en 1994, l'ACI est devenue le cadre fondamental de la séparation aveugle de sources et est largement appliquée en neuroimagerie (IRMf, EEG), en traitement de la parole et en analyse de signaux biomédicaux.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/fr/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.
- Analyse factorielleStatistiques de recherche↔ compare
- Factorisation de Matrices Non-Négatives (NMF)Apprentissage automatique↔ compare
- Décomposition en valeurs singulièresMéthodes numériques↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →