Följande moment tas upp i kursen: linjär representation av flervariabeldata, stokastiska vektorer, statistiskt oberoende, högre ordningens moment, gradienter och optimering, algoritmer för optimering med och utan bivillkor, estimeringsteori inom signalseparation, minsta-kvadrat och maximumlikelihood metoder, informationsteori, entropi, kumulanter, definition av, samt likheter och skillnader mellan, principiella och oberoende komponenter, metoder för att finna de oberoende komponenterna (ICA), främst: ICA ur maximering av icke-Gaussianitet, ICA ur maximum likelihood estimering, ICA ur minimering av mutual information, ICA ur icke-linjör dekorrlering och icke-linjär PCA. Tillämpningsområden: akustisk signalseparation och avfaltning, utvinning av signalkaraktäristik ur fler-kanals data, artifaktidentifiering ur EEG och MEG, prediktion av tidsseriedata mha ICA.
