論文の概要: Modeling Category-Selective Cortical Regions with Topographic Variational Autoencoders

• arxiv url: http://arxiv.org/abs/2110.13911v1
• Date: Mon, 25 Oct 2021 11:37:41 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-28 15:10:54.012296
• Title: Modeling Category-Selective Cortical Regions with Topographic Variational Autoencoders
• Title（参考訳）: 地形変動オートエンコーダを用いたカテゴリー選択皮質領域のモデル化
• Authors: T. Anderson Keller, Qinghe Gao, Max Welling
• Abstract要約: カテゴリー選択性(英: Category-Selectivity)は、大脳皮質の特定の空間的局所化領域が特定の限られたカテゴリーからの刺激に対して頑健かつ選択的に反応する傾向にあるという観察を記述している。 新たに導入されたTopographic Variational Autoencoderを利用して、そのような局所化カテゴリ選択性の出現を教師なしでモデル化する。 本研究では,ヒト腹側頭皮質の観察に類似した,より抽象的なカテゴリのネストされた空間的階層が得られたことを示す予備的な結果を示す。
• 参考スコア（独自算出の注目度）: 72.15087604017441
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Category-selectivity in the brain describes the observation that certain spatially localized areas of the cerebral cortex tend to respond robustly and selectively to stimuli from specific limited categories. One of the most well known examples of category-selectivity is the Fusiform Face Area (FFA), an area of the inferior temporal cortex in primates which responds preferentially to images of faces when compared with objects or other generic stimuli. In this work, we leverage the newly introduced Topographic Variational Autoencoder to model of the emergence of such localized category-selectivity in an unsupervised manner. Experimentally, we demonstrate our model yields spatially dense neural clusters selective to faces, bodies, and places through visualized maps of Cohen's d metric. We compare our model with related supervised approaches, namely the TDANN, and discuss both theoretical and empirical similarities. Finally, we show preliminary results suggesting that our model yields a nested spatial hierarchy of increasingly abstract categories, analogous to observations from the human ventral temporal cortex.
• Abstract（参考訳）: 脳のカテゴリー選択性は、ある空間的局所化された大脳皮質の領域が特定の限られたカテゴリーからの刺激に対して頑健かつ選択的に反応する傾向があるという観察を記述している。 カテゴリ選択性の最もよく知られている例は、霊長類において下側頭皮質の領域であるフシフォーム・フェイス・エリア(ffa)であり、物体や他の一般的な刺激と比べ、顔のイメージに優先的に反応する。 本研究では,新たに導入された地形変分オートエンコーダを用いて,そのような局所化カテゴリ選択性の出現を教師なしでモデル化する。 実験により, コーエンのd計量の可視化地図を用いて, 顔, 体, 場所に対して空間的に密度の高いニューラルクラスタが生成されることを示した。 モデルと関連する教師付きアプローチ,すなわちTDANNを比較し,理論的および経験的類似性について考察する。 最後に,人間の腹側頭皮質からの観察に類似した,より抽象的なカテゴリのネストされた空間的階層が得られたことを示唆する予備的な結果を示す。

関連論文リスト

• Optimizing contrastive learning for cortical folding pattern detection [0.0]
  我々は,囲い領域の折りたたみパターンを検出するための自己教師型ディープラーニングモデルを構築した。 このような大規模なデータセット上の皮質骨格に対して、自己教師付きディープラーニングモデルが適用されたのは、これが初めてである。
  論文  参考訳（メタデータ） (2024-01-31T17:59:57Z)
• Brain Diffusion for Visual Exploration: Cortical Discovery using Large Scale Generative Models [6.866437017874623]
  我々は,自然画像とfMRI記録を用いて,与えられた脳領域を活性化するために予測される画像を合成する,データ駆動型アプローチを提案する。 提案手法は,脳誘導画像合成と大規模拡散モデルを組み合わせた最近の生成法に基づいている。 これらの結果は、人間の視覚野の微細な機能的構造に対する理解を深めるものである。
  論文  参考訳（メタデータ） (2023-06-05T17:59:05Z)
• Learning disentangled representations for explainable chest X-ray classification using Dirichlet VAEs [68.73427163074015]
  本研究では,胸部X線像の非絡み合った潜在表現の学習にDirVAE(Dirichlet Variational Autoencoder)を用いることを検討した。 DirVAEモデルにより学習された多モード潜在表現の予測能力について,補助的多ラベル分類タスクの実装により検討した。
  論文  参考訳（メタデータ） (2023-02-06T18:10:08Z)
• Distinguishing representational geometries with controversial stimuli: Bayesian experimental design and its application to face dissimilarity judgments [0.5735035463793008]
  3次元顔モデルグラフィックスを逆転するように訓練されたニューラルネットワークは、識別、分類、あるいはオートエンコーディングで訓練されたのと同じアーキテクチャよりも、よりヒューマンアライメントであることを示す。 以上の結果から,3次元顔モデルグラフィックスを逆転するように訓練されたニューラルネットワークは,識別,分類,自動エンコーディングを訓練したのと同じアーキテクチャよりも,より人間らしくなっていることが示唆された。
  論文  参考訳（メタデータ） (2022-11-28T04:17:35Z)
• Domain Adaptive Nuclei Instance Segmentation and Classification via Category-aware Feature Alignment and Pseudo-labelling [65.40672505658213]
  本稿では, UDA 核インスタンス分割と分類のための新しいディープニューラルネットワークである Category-Aware 機能アライメントと Pseudo-Labelling Network (CAPL-Net) を提案する。 我々のアプローチは、最先端のUDA手法よりも顕著なマージンで優れています。
  論文  参考訳（メタデータ） (2022-07-04T07:05:06Z)
• Brain Cortical Functional Gradients Predict Cortical Folding Patterns via Attention Mesh Convolution [51.333918985340425]
  我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。 実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-05-21T14:08:53Z)
• Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
  ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。 2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。 提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
  論文  参考訳（メタデータ） (2021-12-23T12:17:47Z)
• Attention-gating for improved radio galaxy classification [0.0]
  本稿では,畳み込みニューラルネットワークを用いた電波銀河の分類技術として注目される。 注意図作成に使用される正規化と集約の方法の選択が個々のモデルの出力にどのように影響するかを示す。 得られたアテンションマップは、モデルによってなされた分類選択を解釈するために使用することができる。
  論文  参考訳（メタデータ） (2020-12-02T14:49:53Z)
• Commonality-Parsing Network across Shape and Appearance for Partially Supervised Instance Segmentation [71.59275788106622]
  そこで本稿では,マスク付分類から新しい分類へ一般化可能な,クラス非依存の共通性について考察する。 本モデルでは,COCOデータセット上のサンプルセグメンテーションにおける部分教師付き設定と少数ショット設定の両方において,最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-24T07:23:44Z)
• Gaussian-Dirichlet Random Fields for Inference over High Dimensional Categorical Observations [3.383942690870476]
  本稿では,ロボットが生成する高次元カテゴリー観測の分布生成モデルを提案する。 提案手法はディリクレ分布を用いて観測されたカテゴリ間の共起関係をスパースするものである。
  論文  参考訳（メタデータ） (2020-03-26T19:29:23Z)

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。