論文の概要: Inferring perceptual decision making parameters from behavior in production and reproduction tasks

• arxiv url: http://arxiv.org/abs/2112.15521v1
• Date: Fri, 31 Dec 2021 15:40:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-03 15:46:13.148709
• Title: Inferring perceptual decision making parameters from behavior in production and reproduction tasks
• Title（参考訳）: 生産・再生作業における行動から知覚的意思決定パラメータを推定する
• Authors: Nils Neup\"artl and Constantin A. Rothkopf
• Abstract要約: 本研究では, 知覚の不確実性, 応答変動性, 人的応答に基づくコスト関数を推定する手法を提案する。 実験的な設計の不確かさを避けるために,このモデルをいかに活用できるかを示す。
• 参考スコア（独自算出の注目度）: 4.111899441919164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bayesian models of behavior have provided computational level explanations in a range of psychophysical tasks. One fundamental experimental paradigm is the production or reproduction task, in which subjects are instructed to generate an action that either reproduces a previously sensed stimulus magnitude or achieves a target response. This type of task therefore distinguishes itself from other psychophysical tasks in that the responses are on a continuum and effort plays an important role with increasing response magnitude. Based on Bayesian decision theory we present an inference method to recover perceptual uncertainty, response variability, and the cost function underlying human responses. Crucially, the cost function is parameterized such that effort is explicitly included. We present a hybrid inference method employing MCMC sampling utilizing appropriate proposal distributions and an inner loop utilizing amortized inference with a neural network that approximates the mode of the optimal response distribution. We show how this model can be utilized to avoid unidentifiability of experimental designs and that parameters can be recovered through validation on synthetic and application to experimental data. Our approach will enable behavioral scientists to perform Bayesian inference of decision making parameters in production and reproduction tasks.
• Abstract（参考訳）: ベイズ行動のモデルは、様々な心理物理学的タスクにおいて計算レベルの説明を提供している。 1つの基本的な実験パラダイムは生産または再生タスクであり、被験者は、以前に感知された刺激の大きさを再現するか、目標応答を達成するアクションを生成するように指示される。 このタイプのタスクは、反応が連続的であり、努力が反応の規模を増大させる上で重要な役割を果たすという点において、他の精神物理学的なタスクと自身を区別する。 ベイズ決定理論に基づいて,人間の反応に基づく知覚の不確実性,応答変動性,コスト関数を回復する推論手法を提案する。 重要なことに、コスト関数は、作業が明示的に含まれるようにパラメータ化される。 本稿では,適切な提案分布を用いたMCMCサンプリングと,最適応答分布のモードを近似したニューラルネットワークを用いた償却推論を用いた内部ループを用いたハイブリッド推論手法を提案する。 本研究では, このモデルを用いて, 実験設計の不確定性を回避し, パラメータを合成および実験データに対する検証により回収できることを示す。 本稿では,行動科学者が生産・再生タスクにおける意思決定パラメータのベイズ推定を行う。

関連論文リスト

• Inverse decision-making using neural amortized Bayesian actors [19.128377007314317]
  我々は、教師なしの方法で幅広いパラメータ設定で訓練されたニューラルネットワークを用いてベイズアクターを記憶する。 推定された後続分布は,その存在する解析解を用いて得られた分布と密接に一致していることを示す。 そして、より複雑なコスト関数において、先行とコストの間の識別可能性の問題が発生することを示した。
  論文  参考訳（メタデータ） (2024-09-04T10:31:35Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Generalization of generative model for neuronal ensemble inference method [0.0]
  本研究では,ニューロンの状態を表す変数の範囲を拡大し,拡張変数に対するモデルの可能性を一般化する。 この2値入力の制限のない一般化により,ソフトクラスタリングが可能となり,非定常神経活動データに適用できる。
  論文  参考訳（メタデータ） (2022-11-07T07:58:29Z)
• Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
  本稿では,ニューラルモデルによる反事実文の評価について検討する。 まず、神経因果モデル(NCM)が十分に表現可能であることを示す。 第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-09-30T18:29:09Z)
• Selective Inference for Sparse Multitask Regression with Applications in Neuroimaging [2.611153304251067]
  本稿では、ニューロイメージングにおける一般的なマルチタスク問題に対処するための選択推論フレームワークを提案する。 我々のフレームワークは、選択イベントの洗練に基づいて、新しい推論条件を提供する。 我々は,選択推論を用いたマルチタスク学習により,単一タスク法よりも真の信号をより正確に復元できることをシミュレーションにより示す。
  論文  参考訳（メタデータ） (2022-05-27T20:21:20Z)
• Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
  本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。 我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T12:52:45Z)
• Outcome-Driven Reinforcement Learning via Variational Inference [95.82770132618862]
  我々は、報酬を最大化する問題ではなく、望ましい結果を達成するための行動を推測する問題として、強化学習に関する新たな視点について論じる。 結果として得られる結果指向推論の問題を解決するため, 定型的報酬関数を導出する新しい変分推論定式を制定する。 我々は,この手法が報酬機能の設計を不要とし,効果的なゴール指向行動へと導くことを実証的に示す。
  論文  参考訳（メタデータ） (2021-04-20T18:16:21Z)
• 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)
• Automatic Recall Machines: Internal Replay, Continual Learning and the Brain [104.38824285741248]
  ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。 本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。 代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
  論文  参考訳（メタデータ） (2020-06-22T15:07:06Z)
• Supervised Autoencoders Learn Robust Joint Factor Models of Neural Activity [2.8402080392117752]
  神経科学の応用は、行動結果とともに異なる領域の脳活動に対応する高次元予測因子を収集する。 予測因子と結果の結合因子モデルは自然であるが、これらのモデルの最大推定値は、モデルが不特定である場合に実際に苦労することがある。 本稿では,教師付きオートエンコーダに基づく代替推論手法を提案する。潜在因子に確率分布を配置するのではなく,高次元予測器の未知関数として定義する。
  論文  参考訳（メタデータ） (2020-04-10T19:31:57Z)

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。