論文の概要: Information-Theoretic Free Energy as Emotion Potential: Emotional Valence as a Function of Complexity and Novelty

• arxiv url: http://arxiv.org/abs/2003.10073v1
• Date: Mon, 23 Mar 2020 04:10:23 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-21 00:42:28.580424
• Title: Information-Theoretic Free Energy as Emotion Potential: Emotional Valence as a Function of Complexity and Novelty
• Title（参考訳）: 感情電位としての情報理論自由エネルギー:複雑さとノベルティの関数としての感情的妥当性
• Authors: Hideyoshi Yanagisawa
• Abstract要約: 感覚刺激が知覚された後に脳内で処理される情報内容としての覚醒電位をモデル化した。 視覚刺激による経験的エビデンスを実証し,認識される新規性と複雑性の総和が逆U字型美機能を形成するという仮説を裏付けた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study extends the mathematical model of emotion dimensions that we previously proposed (Yanagisawa, et al. 2019, Front Comput Neurosci) to consider perceived complexity as well as novelty, as a source of arousal potential. Berlyne's hedonic function of arousal potential (or the inverse U-shaped curve, the so-called Wundt curve) is assumed. We modeled the arousal potential as information contents to be processed in the brain after sensory stimuli are perceived (or recognized), which we termed sensory surprisal. We mathematically demonstrated that sensory surprisal represents free energy, and it is equivalent to a summation of information gain (or information from novelty) and perceived complexity (or information from complexity), which are the collative variables forming the arousal potential. We demonstrated empirical evidence with visual stimuli (profile shapes of butterfly) supporting the hypothesis that the summation of perceived novelty and complexity shapes the inverse U-shaped beauty function. We discussed the potential of free energy as a mathematical principle explaining emotion initiators.
• Abstract（参考訳）: 本研究は,前述した感情次元の数学的モデル(柳沢ら,2019年,前者コンプットニューロシ)を拡張し,感情の複雑さと新しさを覚醒電位の源として捉えた。 バーリンの強誘電ポテンシャルのヘドニック関数(あるいは逆U字型曲線、いわゆるワント曲線)が仮定される。 我々は感覚刺激が知覚された(あるいは認識された)後、脳内で処理される情報内容として覚醒電位をモデル化した。 本研究では,感覚代名詞が自由エネルギーを表すことを数学的に証明し,情報ゲイン(新奇性からの情報)と知覚複雑性(複雑性からの情報)の合計と等価であることを示した。 視覚刺激(蝶の目立たない形状)を用いて,新奇さと複雑さの複合が逆u型美容関数を形作るという仮説を裏付ける実証的な証拠を示した。 感情開始者を説明する数学的原理として自由エネルギーの可能性について議論した。

関連論文リスト

• Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
  しきい値単位の動的代替として人工内蔵ニューロン(AKOrN)を導入する。 このアイデアは、幅広いタスクにまたがってパフォーマンス改善をもたらすことを示しています。 これらの経験的結果は、神経表現の最も基本的なレベルにおいて、私たちの仮定の重要性を示していると信じている。
  論文  参考訳（メタデータ） (2024-10-17T17:47:54Z)
• Compositional Physical Reasoning of Objects and Events from Videos [122.6862357340911]
  本稿では,物体の動きや相互作用から隠れた物理的特性を推定するという課題に対処する。 我々は、ComPhyの最先端ビデオ推論モデルを評価し、これらの隠れプロパティをキャプチャする限られた能力を明らかにする。 また,視覚的および隠れた物理的特性を学習し,原因を解明する,新しいニューロシンボリックな枠組みであるPhysical Concept Reasoner(PCR)を提案する。
  論文  参考訳（メタデータ） (2024-08-02T15:19:55Z)
• Free Energy in a Circumplex Model of Emotion [3.4250441939241063]
  感情科学では、感情はしばしば多次元として表現される。 本研究では,感情を2次元の原子価と覚醒スペクトルにマッピングすることで,感情の円積モデルを採用することを提案する。 情緒的状態において,先行と対象存在の操作が常識的変動をもたらすことを示す。
  論文  参考訳（メタデータ） (2024-07-02T17:52:25Z)
• Learn to integrate parts for whole through correlated neural variability [8.173681663544757]
  感覚知覚は感覚ニューロンの反応に起因し、特定の知覚物体の物理的特性に関連付けられた知覚信号の集まりに反応する。 これらの神経反応から脳がどのように知覚情報を抽出するかを明らかにすることは、計算神経科学と機械学習の両方において重要な課題である。 本稿では,知覚情報を知覚ニューロンの相関変数に符号化し,下流ニューロンの発火速度に変換する統計力学理論を提案する。
  論文  参考訳（メタデータ） (2024-01-01T13:05:29Z)
• Modeling arousal potential of epistemic emotions using Bayesian information gain: Inquiry cycle driven by free energy fluctuations [0.0]
  好奇心や興味などの感情が調査プロセスを促進する。 自由エネルギーと発散原理に基づく2種類の情報ゲイン : Kullback-Leibler(KLD) 本研究では,情報ゲイン関数のピークに対する予測不確実性(事前分散)と観測不確実性(類似分散)の影響を最適サプライズとして解析した。
  論文  参考訳（メタデータ） (2023-12-14T02:59:20Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
  混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。 プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。 ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
  論文  参考訳（メタデータ） (2023-01-17T15:16:21Z)
• Affection: Learning Affective Explanations for Real-World Visual Data [50.28825017427716]
  我々は,85,007枚の公開画像に対して,感情反応と自由形式のテキスト説明を含む大規模データセットを研究コミュニティに導入し,共有する。 本研究は, 被写体集団に大きな支持を得て, 潜在的に有意な感情反応をとらえる上で, 重要な共通基盤があることを示唆する。 私たちの研究は、より豊かで、より人間中心で、感情に敏感な画像分析システムへの道を開くものです。
  論文  参考訳（メタデータ） (2022-10-04T22:44:17Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• Sensory attenuation develops as a result of sensorimotor experience [7.109236732052832]
  我々は、知覚(固有受容と外受容)、関連性、実行領域からなるニューラルネットワークモデルを作成しました。 ネットワークによって制御された模擬ロボットは、自己生成または外部生成された外部受容フィードバックで運動パターンを取得することを学習した。 その結果,ロボットは学習初期において,自己生成型と外部生成型の両方の感覚・関連領域の反応を初めて増加させた。
  論文  参考訳（メタデータ） (2021-11-04T07:12:48Z)
• The principles of adaptation in organisms and machines II: Thermodynamics of the Bayesian brain [0.0]
  この記事では、ベイジアン推論の観点から、ニューラルネットワークのダイナミクスを通じて生物がどのように世界を学び、認識するかをレビューする。 次に、神経活動のエントロピーの法則に基づいて、この過程に関する熱力学的見解を紹介する。
  論文  参考訳（メタデータ） (2020-06-23T16:57:46Z)

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。