- Bagaimana melakukan analisis komponen independen?
- Untuk apa analisis komponen independen digunakan?
- Apa itu ICA dan PCA?
- Apa itu ICA di EEG?
Bagaimana melakukan analisis komponen independen?
Dalam pemrosesan sinyal, analisis komponen independen (ICA) adalah metode komputasi untuk memisahkan sinyal multivariat menjadi subkomponen aditif. Ini dilakukan dengan mengasumsikan bahwa paling banyak satu subkomponen adalah Gaussian dan bahwa subkomponen secara statistik independen satu sama lain.
Untuk apa analisis komponen independen digunakan?
Analisis Komponen Independen (ICA) adalah teknik yang memungkinkan pemisahan campuran sinyal ke dalam sumber yang berbeda, dengan mengasumsikan distribusi sinyal non Gaussian (Yao et al., 2012). ICA mengekstrak sumber dengan mengeksplorasi independensi yang mendasari data yang diukur.
Apa itu ICA dan PCA?
Analisis Komponen Independen (ICA)
Analisis Komponen Utama (PCA) ICA mengoptimalkan statistik tingkat tinggi seperti kurtosis. PCA mengoptimalkan matriks kovarians dari data yang mewakili statistik orde kedua. ICA menemukan komponen independen. PCA menemukan komponen yang tidak berkorelasi.
Apa itu ICA di EEG?
Analisis komponen independen (ICA) sering digunakan pada tahap preprocessing sinyal dalam analisis EEG karena kemampuannya untuk menyaring artefak dari sinyal. Manfaat menggunakan ICA adalah yang paling jelas ketika sinyal multi-channel direkam.