論文の概要: A lite parametric model for the Hemodynamic Response Function
- arxiv url: http://arxiv.org/abs/2004.13361v1
- Date: Tue, 28 Apr 2020 08:29:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 22:43:37.707043
- Title: A lite parametric model for the Hemodynamic Response Function
- Title(参考訳): 血行動態応答関数のためのliteパラメトリックモデル
- Authors: Manuel Morante
- Abstract要約: 本論文は血行動態応答関数HRFの定性モデルを示す。
他の進歩と異なり、提案モデルは他の類似のHRFモデルと比較してパラメータの数が少ない。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When working with task-related fMRI data, one of the most crucial parts of
the data analysis consists of determining a proper estimate of the BOLD
response. The following document presents a lite model for the Hemodynamic
Response Function HRF. Between other advances, the proposed model present less
number of parameters compared to other similar HRF alternative, which reduces
its optimization complexity and facilitates its potential applications.
- Abstract(参考訳): タスク関連fMRIデータを扱う場合、データ解析の最も重要な部分はBOLD応答の適切な推定値を決定することである。
下記の文書は血行力学的応答関数hrfのliteモデルを示している。
他の進歩と異なり、提案モデルは他の類似のHRF代替案と比較してパラメータの数が少ないため、最適化の複雑さが小さくなり、潜在的な応用が容易になる。
関連論文リスト
- Active-Learning-Driven Surrogate Modeling for Efficient Simulation of
Parametric Nonlinear Systems [0.0]
支配方程式がなければ、パラメトリック還元次代理モデルを非侵襲的に構築する必要がある。
我々の研究は、パラメータのスナップショットを効率的に表示するための非侵入的最適性基準を提供する。
カーネルベースの浅層ニューラルネットワークを用いた能動的学習駆動サロゲートモデルを提案する。
論文 参考訳(メタデータ) (2023-06-09T18:01:14Z) - Capturing dynamical correlations using implicit neural representations [85.66456606776552]
実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。
そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
論文 参考訳(メタデータ) (2023-04-08T07:55:36Z) - An Efficient Hierarchical Kriging Modeling Method for High-dimension
Multi-fidelity Problems [0.0]
マルチファイダリティ・クリグモデルはサロゲートベース設計において有望な手法である。
多要素クリグモデルの構築コストは問題次元の増大とともに大幅に増大する。
この問題に対処するために,効率的な階層的クラッキングモデリング手法を提案する。
論文 参考訳(メタデータ) (2022-12-31T15:17:07Z) - Adaptive LASSO estimation for functional hidden dynamic geostatistical
model [69.10717733870575]
関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。
このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
論文 参考訳(メタデータ) (2022-08-10T19:17:45Z) - On the Influence of Enforcing Model Identifiability on Learning dynamics
of Gaussian Mixture Models [14.759688428864159]
特異モデルからサブモデルを抽出する手法を提案する。
本手法はトレーニング中のモデルの識別性を強制する。
この手法がディープニューラルネットワークのようなより複雑なモデルにどのように適用できるかを示す。
論文 参考訳(メタデータ) (2022-06-17T07:50:22Z) - Real-time Human Response Prediction Using a Non-intrusive Data-driven
Model Reduction Scheme [0.0]
本稿では,この問題に対処するための新しい2段階MOR方式を提案する。
その結果,提案手法は近似パラメータ化ODEに適しており,時間依存パラメータを扱えることがわかった。
論文 参考訳(メタデータ) (2021-10-26T11:33:11Z) - MoEfication: Conditional Computation of Transformer Models for Efficient
Inference [66.56994436947441]
トランスフォーマーベースの事前学習言語モデルは、パラメータ容量が大きいため、ほとんどのNLPタスクにおいて優れた性能を実現することができるが、計算コストも大きい。
スパースアクティベーション現象に基づく条件計算により,大規模モデル推論を高速化する。
そこで本研究では,モデルサイズが等しいMoE(Mix-of-experts)バージョン,すなわちMoEficationに変換することを提案する。
論文 参考訳(メタデータ) (2021-10-05T02:14:38Z) - Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。
RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。
RFBの電荷分配曲線を予測する多相モデルを構築した。
論文 参考訳(メタデータ) (2021-06-17T00:49:55Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - On the Sparsity of Neural Machine Translation Models [65.49762428553345]
性能向上のために冗長パラメータを再利用できるかどうかを検討する。
実験と分析は異なるデータセットとNTTアーキテクチャで体系的に行われる。
論文 参考訳(メタデータ) (2020-10-06T11:47:20Z)
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。