Hauptkomponentenanalyse (PCA) und Unabhängigkeitsanalyse (ICA)

Hier erkläre ich die Hauptkomponentenanalyse und die Unabhängigkeitsanalyse, zusammen mit den dafür benötigten Begriffen der Eigenvektoren und Eigenwerte.

Bivariate Signalanalyse

Bei der bivariaten Signalanalyse geht es darum, Aussagen über die großflächige Zusammenarbeit von verschiedenen Verarbeitungszentren des Gehirns zu machen. Beispiele dafür sind, wie verschiedene Aspekte der visuellen Wahrnehmung, die in abgegrenzten Hirnarealen verarbeitet werden, schließlich zu einem kohärenten Gesamtbild synchronisiert werden; oder wie Top-Level-Prozesse wie Erwartung oder Konzentration bestimmte Aspekte von Low-Level-Prozessen des Sehens beeinflussen. EEG ist dafür geeignet, um Aktivitäten in entfernten Hirnregionen zu messen; wie macht man nun Sinn aus den Messungen, was Korrelation (und möglicherweise auch Kausalität) betrifft?
Im Folgenden werden einige nützliche Konzepte und Tools für diese Zwecke vorgestellt.