Réseau du mode par défautvignette|Modèle anatomique et fonctionnel du réseau du mode par défaut (2019). Chaque gommette, par sa taille et sa couleur, indique l’importance de cette région dans le réseau en mode par défaut. VMPFC cortex préfrontal ventromédian, AMPFC cortex préfrontal antérieur médian, DPFC cortex préfrontal dorsal, PCC, cortex cingulaire postérieur, PPC cortex pariétal postérieur, C noyau caudé, Rsp cortex rétrospénial, T thalamus, BF cerveau antérieur basal, VLPFC cortex préfrontal ventro-latéral, Amy amygdale, MidB mésencéphale, PH région parahippocampique, MTG gyrus temporal, TP, pôle temporal, CbH hémisphère cérébelleux (cervelet), CbT tonsil cérébelleux.
Analyse en composantes indépendantesL'analyse en composantes indépendantes (en anglais, independent component analysis ou ICA) est une méthode d'analyse des données (voir aussi Exploration de données) qui relève des statistiques, des réseaux de neurones et du traitement du signal. Elle est notoirement et historiquement connue en tant que méthode de séparation aveugle de source mais a par suite été appliquée à divers problèmes. Les contributions principales ont été rassemblées dans un ouvrage édité en 2010 par P.Comon et C.Jutten.
Functional neuroimagingFunctional neuroimaging is the use of neuroimaging technology to measure an aspect of brain function, often with a view to understanding the relationship between activity in certain brain areas and specific mental functions. It is primarily used as a research tool in cognitive neuroscience, cognitive psychology, neuropsychology, and social neuroscience.
Processus stationnairePour accéder aux propriétés essentielles d'un signal physique il peut être commode de le considérer comme une réalisation d'un processus aléatoire (voir quelques précisions dans Processus continu). Le problème est largement simplifié si le processus associé au signal peut être considéré comme un processus stationnaire, c'est-à-dire si ses propriétés statistiques caractérisées par des espérances mathématiques sont indépendantes du temps.
