最小範數估計（MNE）

最小範數估計（MNE）以在「所有能擬合資料的源分布」中，選出總功率最小（L2 範數最小）的那一個，來化解逆問題的非唯一性。它有閉式線性解：估計出的源即是資料經正則化、以導程場加權後的投影，其中的 Tikhonov 項在資料擬合與源能量之間取得平衡。

MNE 穩定、快速且假設輕巧，但最小能量先驗有一個眾所周知的偏差：它偏好淺層源，因為深部源需要很大的振幅（因而很大的範數）才能解釋同樣的感測器訊號。這種深度偏差正是原始 MNE 傾向把活動放在靠近感測器的腦回頂部的原因。深度加權（重新縮放導程場的各欄）與雜訊標準化（dSPM、sLORETA）便是專為對抗此偏差而發展的。