論文の概要: Understanding Human Reading Comprehension with Brain Signals
- arxiv url: http://arxiv.org/abs/2108.01360v2
- Date: Wed, 4 Aug 2021 01:07:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-05 10:24:47.225266
- Title: Understanding Human Reading Comprehension with Brain Signals
- Title(参考訳): 脳信号による人間の読み理解
- Authors: Ziyi Ye, Xiaohui Xie, Yiqun Liu, Zhihong Wang, Xuesong Chen, Min
Zhang, Shaoping Ma
- Abstract要約: 人間の脳で何が起きているのか、理解している時に何が起こるかはほとんど分かっていない。
脳波などの脳イメージング技術の進歩により、ほぼリアルタイムで高精度な脳信号を集めることができる。
- 参考スコア(独自算出の注目度): 37.850947109491685
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reading comprehension is a complex cognitive process involving many human
brain activities. Plenty of works have studied the reading patterns and
attention allocation mechanisms in the reading process. However, little is
known about what happens in human brain during reading comprehension and how we
can utilize this information as implicit feedback to facilitate information
acquisition performance. With the advances in brain imaging techniques such as
EEG, it is possible to collect high-precision brain signals in almost real
time. With neuroimaging techniques, we carefully design a lab-based user study
to investigate brain activities during reading comprehension. Our findings show
that neural responses vary with different types of contents, i.e., contents
that can satisfy users' information needs and contents that cannot. We suggest
that various cognitive activities, e.g., cognitive loading, semantic-thematic
understanding, and inferential processing, at the micro-time scale during
reading comprehension underpin these neural responses. Inspired by these
detectable differences in cognitive activities, we construct supervised
learning models based on EEG features for two reading comprehension tasks:
answer sentence classification and answer extraction. Results show that it is
feasible to improve their performance with brain signals. These findings imply
that brain signals are valuable feedback for enhancing human-computer
interactions during reading comprehension.
- Abstract(参考訳): 読解は、多くの人間の脳活動を伴う複雑な認知過程である。
多くの研究が読解過程における読解パターンと注意割当機構を研究している。
しかし、人間の脳が理解している時に何が起こるかは分かっておらず、情報取得性能を高めるために、この情報を暗黙のフィードバックとして活用する方法も分かっていない。
脳波などの脳イメージング技術の進歩により、ほぼリアルタイムで高精度な脳信号を収集することができる。
神経イメージング技術を用いて,脳活動の理解度を調査するための実験室ベースのユーザスタディを慎重に設計する。
本研究は,ユーザの情報ニーズを満足できる内容や,不可能な内容など,さまざまなタイプのコンテンツによって神経応答が変化することを示す。
本研究は, 認知的負荷, 意味論的理解, 推論処理などの認知活動が, 読解時のマイクロスケールにおいて, 神経反応の基盤となることを示唆する。
認知活動におけるこれらの検出可能な違いに着想を得て,脳波の特徴に基づく教師あり学習モデルを構築した。
その結果,脳信号による性能向上が期待できることがわかった。
これらの結果から,脳信号は読解時の人間とコンピュータの相互作用を高める上で有用なフィードバックであることが示唆された。
関連論文リスト
- Towards Decoding Brain Activity During Passive Listening of Speech [0.0]
深層学習法を用いて頭蓋内脳波(iEEG)データから発声音声を復号しようとする。
このアプローチは、従来の音声生成の焦点から外れ、知覚された音声の神経表現を調査することを選択する。
アプローチはまだ画期的な成果を上げていないが、この研究は、音声認識中の神経活動の復号化の可能性に光を当てている。
論文 参考訳(メタデータ) (2024-02-26T20:04:01Z) - 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) - Fine-tuned vs. Prompt-tuned Supervised Representations: Which Better
Account for Brain Language Representations? [30.495681024162835]
我々は、ニューラルデコーディングにおいて、プロンプト調整された表現と微調整された表現を比較した。
より脳に一貫性のあるチューニング手法では、脳データと相関する表現が得られます。
これは、私たちの脳が浅い構文情報よりもきめ細かい概念情報を符号化していることを示している。
論文 参考訳(メタデータ) (2023-10-03T07:34:30Z) - Continual task learning in natural and artificial agents [4.726777092009554]
脳記録研究の波は、タスク学習中に神経表現がどのように変化するかを調査している。
ニューロコルテックスにおけるニューラルタスク表現の幾何学と次元性について検討した最近の研究を概観する。
機械学習のアイデアは、神経科学者が生物の脳の中でどのように自然のタスクが学習され、コードされるかを理解するのにどのように役立つかについて議論する。
論文 参考訳(メタデータ) (2022-10-10T09:36:08Z) - Neural Language Models are not Born Equal to Fit Brain Data, but
Training Helps [75.84770193489639]
音声ブックを聴く被験者の機能的磁気共鳴イメージングの時間軸予測に及ぼすテスト損失,トレーニングコーパス,モデルアーキテクチャの影響について検討した。
各モデルの訓練されていないバージョンは、同じ単語をまたいだ脳反応の類似性を捉えることで、脳内のかなりの量のシグナルをすでに説明していることがわかりました。
ニューラル言語モデルを用いたヒューマン・ランゲージ・システムの説明を目的とした今後の研究の実践を提案する。
論文 参考訳(メタデータ) (2022-07-07T15:37:17Z) - Toward a realistic model of speech processing in the brain with
self-supervised learning [67.7130239674153]
生波形で訓練された自己教師型アルゴリズムは有望な候補である。
We show that Wav2Vec 2.0 learns brain-like representations with little as 600 hours of unlabelled speech。
論文 参考訳(メタデータ) (2022-06-03T17:01:46Z) - Towards Understanding Human Functional Brain Development with
Explainable Artificial Intelligence: Challenges and Perspectives [6.106661781836959]
本稿では,現在最先端のAI技術が機能的脳発達にどのような影響を及ぼすかを理解することを目的とする。
また、脳の発達過程に基づいて、どのAI技術が彼らの学習を説明する可能性が高いかについてのレビューも実施されている。
論文 参考訳(メタデータ) (2021-12-24T02:13:13Z) - CogAlign: Learning to Align Textual Neural Representations to Cognitive
Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。
我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文 参考訳(メタデータ) (2021-06-10T07:10:25Z) - Attention Patterns Detection using Brain Computer Interfaces [1.174402845822043]
本研究では,人間の注意レベルとその学習への影響を評価・定量化する手法を提案する。
脳波を検知し、対応する脳波図(EEG)を表示する脳コンピュータインタフェース(BCI)を採用している。
我々は、個人が実行しているアクティビティのタイプを特定するために、繰り返しニューラルネットワーク(RNNS)を訓練する。
論文 参考訳(メタデータ) (2020-05-20T11:55:37Z) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳(メタデータ) (2020-03-23T14:55:00Z)
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。