Análise de Componentes Independentes (ICA)
Análise de Componentes Independentes (ICA) é um método computacional para separar um sinal multivariado em subcomponentes aditivos e estatisticamente independentes. Formalizada por Pierre Comon em 1994, a ICA tornou-se o quadro fundamental para a separação cega de fontes e é amplamente aplicada em neuroimagem (fMRI, EEG), processamento de fala e análise de sinais biomédicos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Independent Component Analysis (ICA). ScholarGate. https://scholargate.app/pt/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.
- Análise FatorialEstatística para pesquisa↔ compare
- Fatoração de Matriz Não-Negativa (NMF)Aprendizado de máquina↔ compare
- Decomposição em Valores SingularesMétodos numéricos↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →