論文の概要: Predicting population neural activity in the Algonauts challenge using
end-to-end trained Siamese networks and group convolutions
- arxiv url: http://arxiv.org/abs/2001.05841v1
- Date: Mon, 13 Jan 2020 08:36:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 23:34:20.274813
- Title: Predicting population neural activity in the Algonauts challenge using
end-to-end trained Siamese networks and group convolutions
- Title(参考訳): 終末訓練されたシームズネットワークとグループ畳み込みを用いたアルゴノートの集団神経活動予測
- Authors: Georgin Jacob, Harish Katti
- Abstract要約: Algonautsの課題は、視覚脳領域から派生したRepresentational Dissimilarity Matrices(RDMS)の形でオブジェクト表現を予測することである。
我々は、シメセネットワークとグループ畳み込みの概念を用いて、カスタマイズされたディープラーニングモデルを用いて、一対の画像に対応するニューラル距離を予測した。
- 参考スコア(独自算出の注目度): 0.1269104766024433
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The Algonauts challenge is about predicting the object representations in the
form of Representational Dissimilarity Matrices (RDMS) derived from visual
brain regions. We used a customized deep learning model using the concept of
Siamese networks and group convolutions to predict neural distances
corresponding to a pair of images. Training data was best explained by
distances computed over the last layer.
- Abstract(参考訳): Algonautsの課題は、視覚脳領域から派生したRepresentational Dissimilarity Matrices(RDMS)の形でオブジェクト表現を予測することである。
siameseネットワークとグループ畳み込みの概念を用いて、画像対に対応する神経距離を予測するために、カスタマイズされたディープラーニングモデルを用いた。
トレーニングデータは、最前層で計算された距離によって最もよく説明される。
関連論文リスト
- Finding Concept Representations in Neural Networks with Self-Organizing
Maps [2.817412580574242]
ニューラルネットワークの層活性化が抽象概念の神経表現にどのように対応するかを調べるために,自己組織化マップをどのように利用できるかを示す。
実験の結果, 概念の活性化マップの相対エントロピーは適切な候補であり, 概念の神経表現を同定し, 特定するための方法論として利用できることがわかった。
論文 参考訳(メタデータ) (2023-12-10T12:10:34Z) - Removing Spurious Concepts from Neural Network Representations via Joint
Subspace Estimation [0.0]
ニューラルネットワークにおけるアウト・オブ・ディストリビューションの一般化は、しばしば素早い相関によって妨げられる。
既存の概念除去手法は、モデルの主要なタスクに関連する機能を不注意に排除することで、過熱する傾向にある。
本稿では,ニューラルネットワーク表現における2つの低次元部分空間を共同で同定することにより,主タスク概念から突発性を分離する反復アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-18T14:22:36Z) - Learning with Capsules: A Survey [73.31150426300198]
カプセルネットワークは、オブジェクト中心の表現を学習するための畳み込みニューラルネットワーク(CNN)に代わるアプローチとして提案された。
CNNとは異なり、カプセルネットワークは部分的に階層的な関係を明示的にモデル化するように設計されている。
論文 参考訳(メタデータ) (2022-06-06T15:05:36Z) - Neural Maximum A Posteriori Estimation on Unpaired Data for Motion
Deblurring [87.97330195531029]
本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。
提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
論文 参考訳(メタデータ) (2022-04-26T08:09:47Z) - Learning Personal Representations from fMRIby Predicting Neurofeedback
Performance [52.77024349608834]
機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。
この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
論文 参考訳(メタデータ) (2021-12-06T10:16:54Z) - Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。
本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。
ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
論文 参考訳(メタデータ) (2021-12-02T12:45:46Z) - Deep Reinforcement Learning Models Predict Visual Responses in the
Brain: A Preliminary Result [1.0323063834827415]
強化学習を用いてニューラルネットワークモデルをトレーニングし、3Dコンピュータゲームをプレイします。
これらの強化学習モデルは、初期視覚領域において、神経応答予測精度のスコアを得る。
対照的に、教師付きニューラルネットワークモデルでは、より高い視覚領域において、より優れた神経応答予測が得られる。
論文 参考訳(メタデータ) (2021-06-18T13:10:06Z) - PredRNN: A Recurrent Neural Network for Spatiotemporal Predictive
Learning [109.84770951839289]
歴史的文脈からビジュアルダイナミクスを学習するための新しいリカレントネットワークであるPredRNNを紹介する。
本手法は,3つの標準データセット上で高い競争結果が得られることを示す。
論文 参考訳(メタデータ) (2021-03-17T08:28:30Z) - Residual Embedding Similarity-Based Network Selection for Predicting
Brain Network Evolution Trajectory from a Single Observation [0.0]
本稿では,脳ネットワークの進化軌道を予測するために,Residual Embedding similarity-Based Network selection (RESNets)を提案する。
健康な脳ネットワークと障害のある脳ネットワークに関する実験は、提案手法の成功を実証している。
論文 参考訳(メタデータ) (2020-09-23T12:40:04Z) - Learning to learn generative programs with Memoised Wake-Sleep [52.439550543743536]
本研究では,ニューラルネットワークをシンボル型データ生成プログラムの前提として,推論と先行の両方に使用するニューロシンボリック生成モデルのクラスについて検討する。
そこで本研究では,Wake Sleepを拡張したMemoised Wake-Sleep(MWS)アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-07-06T23:51:03Z) - Noticing Motion Patterns: Temporal CNN with a Novel Convolution Operator
for Human Trajectory Prediction [11.46763066579678]
本稿では,逐次軌跡データからパターンを学習し,検出し,抽出するための畳み込みニューラルネットワークに基づくアプローチを提案する。
人間の軌道予測問題に対する一連の実験は、我々のモデルが技術の状態と相容れない性能を示し、場合によっては性能が向上することを示している。
論文 参考訳(メタデータ) (2020-07-02T04:07:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。