Fugu-MT 論文翻訳(概要): Measuring and modeling the motor system with machine learning

論文の概要: Measuring and modeling the motor system with machine learning

arxiv url: http://arxiv.org/abs/2103.11775v1
Date: Mon, 22 Mar 2021 12:42:16 GMT
ステータス: 処理完了
システム内更新日: 2021-03-23 14:43:44.148678
Title: Measuring and modeling the motor system with machine learning
Title（参考訳）: 機械学習によるモータシステムの計測とモデル化
Authors: S\'ebastien B. Hausmann and Alessandro Marin Vargas and Alexander Mathis and Mackenzie W. Mathis
Abstract要約: モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
参考スコア（独自算出の注目度）: 117.44028458220427
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The utility of machine learning in understanding the motor system is promising a revolution in how to collect, measure, and analyze data. The field of movement science already elegantly incorporates theory and engineering principles to guide experimental work, and in this review we discuss the growing use of machine learning: from pose estimation, kinematic analyses, dimensionality reduction, and closed-loop feedback, to its use in understanding neural correlates and untangling sensorimotor systems. We also give our perspective on new avenues where markerless motion capture combined with biomechanical modeling and neural networks could be a new platform for hypothesis-driven research.
Abstract（参考訳）: モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。運動科学の分野は、すでに理論と工学の原則をエレガントに取り入れて実験作業を導いており、本論では、ポーズ推定、運動解析、次元減少、閉ループフィードバックなど、機械学習の増大を論じ、ニューラルネットワークの相関関係や無拘束な感覚運動系を理解するための利用について論じる。また, マーカーレスモーションキャプチャと生体力学的モデリング, ニューラルネットワークを組み合わせることで, 仮説駆動型研究の新たなプラットフォームとなる可能性についても考察した。

関連論文リスト

Understanding Machine Learning Paradigms through the Lens of Statistical Thermodynamics: A tutorial [0.0]
このチュートリアルは、エントロピー、自由エネルギー、そして機械学習に使用される変分推論のような高度なテクニックを掘り下げる。物理的システムの振る舞いを深く理解することで、より効果的で信頼性の高い機械学習モデルが得られることを示す。
論文参考訳（メタデータ） (2024-11-24T18:20:05Z)
Mechanistic Neural Networks for Scientific Machine Learning [58.99592521721158]
我々は、科学における機械学習応用のためのニューラルネットワーク設計であるメカニスティックニューラルネットワークを提案する。新しいメカニスティックブロックを標準アーキテクチャに組み込んで、微分方程式を表現として明示的に学習する。我々のアプローチの中心は、線形プログラムを解くために線形ODEを解く技術に着想を得た、新しい線形計画解法(NeuRLP)である。
論文参考訳（メタデータ） (2024-02-20T15:23:24Z)
Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文参考訳（メタデータ） (2023-12-01T05:20:57Z)
On the Relationships between Graph Neural Networks for the Simulation of Physical Systems and Classical Numerical Methods [0.0]
物理システムのモデリングにおける機械学習手法の最近の発展は、計算科学における数値的手法の過去の発展を反映し始めている。現状の機械学習手法にはまだ適用されていないシミュレーション手法の概要を述べる。我々は、科学のための機械学習モデルをより効率的にするためのこれらのアプローチの可能性について、展望を提示して結論付ける。
論文参考訳（メタデータ） (2023-03-31T21:51:00Z)
Machine-learning-assisted construction of appropriate rotating frame [0.0]
本稿では,機械学習を用いた解析手法を提案する。我々は、リカレントニューラルネットワークがFloquet-Magnus拡張を導出できることを実証する。また,本手法は,他のシステムにおける理論的枠組みの発見にも適用可能であると論じる。
論文参考訳（メタデータ） (2022-11-28T12:49:47Z)
Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文参考訳（メタデータ） (2021-11-02T10:51:42Z)
Human-Robot Collaboration and Machine Learning: A Systematic Review of Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文参考訳（メタデータ） (2021-10-14T15:14:33Z)
Bidirectional Interaction between Visual and Motor Generative Models using Predictive Coding and Active Inference [68.8204255655161]
本稿では,感覚予測のための生成モデルと,運動軌跡の生成モデルからなるニューラルアーキテクチャを提案する。我々は,知覚予測のシーケンスが学習,制御,オンライン適応を導くレールとしてどのように機能するかを強調する。
論文参考訳（メタデータ） (2021-04-19T09:41:31Z)
Using machine-learning modelling to understand macroscopic dynamics in a system of coupled maps [0.0]
本稿では,グローバルに結合した地図システムから生じるマクロな動きについて考察する。我々は、機械学習アプローチと粗粒度プロセスの遷移確率の直接数値計算の両方を用いて、マクロ力学のための粗粒度マルコフプロセスを構築した。我々は,アトラクタの有効次元,メモリ効果の持続性,ダイナミクスのマルチスケール構造について重要な情報を推測することができる。
論文参考訳（メタデータ） (2020-11-08T15:38:12Z)
Machine Learning Approaches For Motor Learning: A Short Review [1.5736917233375265]
運動学習のための既存の機械学習モデルとその適応能力について概説する。確率モデルの強化、深層ニューラルネットワークの伝達とメタラーニング、強化学習による計画適応の3つのタイプを同定し、記述する。
論文参考訳（メタデータ） (2020-02-11T11:11:26Z)

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。