比尔卡 swMATH ID: 27033 软件作者： Natalia Y.Bilenko、Jack L.Gallant 描述： Pyrca：Python中的正则核典型相关分析及其在神经成像中的应用。典型相关分析（CCA）是解释不同维度相关数据集之间互协方差的一种有价值的方法。CCA在神经影像数据分析中有许多潜在的应用。例如，CCA可用于在从多个受试者收集的fMRI数据集之间寻找功能相似性，而无需将单个数据集重采样到模板解剖。本文介绍了Pyrcca，一个用于在两个或多个数据集之间执行CCA的开源Python模块。Pyrca可用于实现有或无正则化的CCA，以及有或无数据集的线性或高斯核化。我们演示了用Pyrcca实现的CCA在神经影像数据分析中的应用。我们使用CCA来寻找一组数据驱动的功能性反应模式，这些模式在自然电影实验中的各个受试者之间是相似的。然后，我们演示了CCA发现的这组反应模式如何用于准确预测受试者对新的自然电影刺激的反应。 主页： https://arxiv.org/abs/1503.01538 源代码： https://github.com/gallantlab/pyrcca 依赖项： 蟒蛇 关键词： arXiv_q-bio.QM;arXiv_cs。个人简历;机器学习;arXiv_状态ML;典型相关分析;CCA公司;蟒蛇;神经影像学 相关软件： PyKCCA公司;Scikit公司;蟒蛇 引用于： 0个文档 标准条款 1出版物描述软件 年份 Python中的正则核典型相关分析及其在神经成像中的应用arXiv公司Natalia Y.Bilenko、Jack L.Gallant 2015