論文の概要: Transfer learning to decode brain states reflecting the relationship
between cognitive tasks
- arxiv url: http://arxiv.org/abs/2206.03950v1
- Date: Tue, 7 Jun 2022 09:39:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-09 13:14:23.422546
- Title: Transfer learning to decode brain states reflecting the relationship
between cognitive tasks
- Title(参考訳): 認知タスク間の関係を反映した脳状態のデコード学習
- Authors: Youzhi Qu, Xinyao Jian, Wenxin Che, Penghui Du, Kai Fu, Quanying Liu
- Abstract要約: 本稿では,認知タスク間の関係を反映した伝達学習フレームワークを提案する。
我々は、伝達学習と脳領域の重なりによって反映されるタスク関係を比較した。
その結果,認知的タスク間の関係を反映した認知的タスクノミーが生み出された。
- 参考スコア(独自算出の注目度): 1.3701366534590498
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transfer learning improves the performance of the target task by leveraging
the data of a specific source task: the closer the relationship between the
source and the target tasks, the greater the performance improvement by
transfer learning. In neuroscience, the relationship between cognitive tasks is
usually represented by similarity of activated brain regions or neural
representation. However, no study has linked transfer learning and neuroscience
to reveal the relationship between cognitive tasks. In this study, we propose a
transfer learning framework to reflect the relationship between cognitive
tasks, and compare the task relations reflected by transfer learning and by the
overlaps of brain regions (e.g., neurosynth). Our results of transfer learning
create cognitive taskonomy to reflect the relationship between cognitive tasks
which is well in line with the task relations derived from neurosynth. Transfer
learning performs better in task decoding with fMRI data if the source and
target cognitive tasks activate similar brain regions. Our study uncovers the
relationship of multiple cognitive tasks and provides guidance for source task
selection in transfer learning for neural decoding based on small-sample data.
- Abstract(参考訳): 転送学習は、特定のソースタスクのデータを活用することにより、ターゲットタスクの性能を向上させる。
神経科学では、認知的タスク間の関係は通常、活性化された脳領域や神経表現の類似性によって表される。
しかし、認知タスク間の関係を明らかにするために、伝達学習と神経科学の関連性は研究されていない。
本研究では,認知タスク間の関係を反映した伝達学習フレームワークを提案し,伝達学習と脳領域(ニューロシンスなど)の重なりによって反映されるタスク関係を比較した。
転帰学習の結果は、ニューロシンスから派生したタスク関係とよく一致する認知的タスク間の関係を反映する認知的タスクノミーを生み出す。
伝達学習は、ソースとターゲットの認知タスクが同様の脳領域を活性化した場合、fMRIデータによるタスクデコーディングにおいてより良いパフォーマンスを発揮する。
本研究は,複数の認知的タスクの関係を明らかにし,小標本データに基づくニューラルデコードのためのトランスファー学習におけるソースタスク選択のためのガイダンスを提供する。
関連論文リスト
- Evaluating the structure of cognitive tasks with transfer learning [67.22168759751541]
本研究では,脳波復号処理における深層学習表現の伝達可能性について検討した。
最近リリースされた2つのEEGデータセット上で、最先端デコードモデルを用いて広範な実験を行う。
論文 参考訳(メタデータ) (2023-07-28T14:51:09Z) - A Study of Biologically Plausible Neural Network: The Role and
Interactions of Brain-Inspired Mechanisms in Continual Learning [13.041607703862724]
人間は絶えず変化する環境から情報を取得し、統合し、保持するのに優れていますが、人工ニューラルネットワーク(ANN)は破滅的な忘れ物を示します。
我々は、デイルの原理に従う排他的および抑制的ニューロンの集団を分離して構成する生物学的に妥当な枠組みを考察する。
次に,脳にインスパイアされた様々なメカニズムの役割と相互作用について包括的研究を行い,その内容は,疎密な非重複表現,ヘビアン学習,シナプス統合,学習イベントに伴う過去の活性化の再現などである。
論文 参考訳(メタデータ) (2023-04-13T16:34:12Z) - 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) - Synergistic information supports modality integration and flexible
learning in neural networks solving multiple tasks [107.8565143456161]
本稿では,様々な認知タスクを行う単純な人工ニューラルネットワークが採用する情報処理戦略について検討する。
結果は、ニューラルネットワークが複数の多様なタスクを学習するにつれて、シナジーが増加することを示している。
トレーニング中に無作為にニューロンを停止させると、ネットワークの冗長性が増加し、ロバスト性の増加に対応する。
論文 参考訳(メタデータ) (2022-10-06T15:36:27Z) - Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。
知識の抽出と知識の記憶という2つの側面から問題に取り組む。
提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
論文 参考訳(メタデータ) (2022-08-27T09:27:36Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳(メタデータ) (2021-11-29T15:27:51Z) - Multi-Task Neural Processes [105.22406384964144]
我々はマルチタスク学習のためのニューラル・プロセスの新たな変種であるマルチタスク・ニューラル・プロセスを開発する。
特に,各タスク改善のための帰納的バイアスを提供するために,関数空間内の関連するタスクから伝達可能な知識を探索することを提案する。
その結果、マルチタスク学習におけるタスク間の有用な知識の伝達におけるマルチタスクニューラルプロセスの有効性が示された。
論文 参考訳(メタデータ) (2021-11-10T17:27:46Z) - 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)
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。