論文の概要: Data Fusion in Neuromarketing: Multimodal Analysis of Biosignals,
Lifecycle Stages, Current Advances, Datasets, Trends, and Challenges
- arxiv url: http://arxiv.org/abs/2209.00993v2
- Date: Mon, 21 Aug 2023 10:04:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-23 02:44:19.816931
- Title: Data Fusion in Neuromarketing: Multimodal Analysis of Biosignals,
Lifecycle Stages, Current Advances, Datasets, Trends, and Challenges
- Title（参考訳）: 神経マーケティングにおけるデータ融合: 生体信号, ライフサイクルステージ, 最新の進歩, データセット, トレンド, 課題のマルチモーダル分析
- Authors: Mario Quiles P\'erez, Enrique Tom\'as Mart\'inez Beltr\'an, Sergio
L\'opez Bernal, Eduardo Horna Prat, Luis Montesano Del Campo, Lorenzo
Fern\'andez Maim\'o, Alberto Huertas Celdr\'an
- Abstract要約: 伝統的に、神経マーケティングの研究は提示された刺激からのフィードバックを得るために単一の生体信号に頼っている。
新しいデバイスと技術進歩のおかげで、最近のトレンドは多様なバイオシグナーの融合へのシフトを示している。
本稿では,神経マーケティング研究における目的,バイオシグナー,データ処理技術について包括的に分析する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The primary goal of any company is to increase its profits by improving both
the quality of its products and how they are advertised. In this context,
neuromarketing seeks to enhance the promotion of products and generate a
greater acceptance on potential buyers. Traditionally, neuromarketing studies
have relied on a single biosignal to obtain feedback from presented stimuli.
However, thanks to new devices and technological advances studying this area of
knowledge, recent trends indicate a shift towards the fusion of diverse
biosignals. An example is the usage of electroencephalography for understanding
the impact of an advertisement at the neural level and visual tracking to
identify the stimuli that induce such impacts. This emerging pattern determines
which biosignals to employ for achieving specific neuromarketing objectives.
Furthermore, the fusion of data from multiple sources demands advanced
processing methodologies. Despite these complexities, there is a lack of
literature that adequately collates and organizes the various data sources and
the applied processing techniques for the research objectives pursued. To
address these challenges, the current paper conducts a comprehensive analysis
of the objectives, biosignals, and data processing techniques employed in
neuromarketing research. This study provides both the technical definition and
a graphical distribution of the elements under revision. Additionally, it
presents a categorization based on research objectives and provides an overview
of the combinatory methodologies employed. After this, the paper examines
primary public datasets designed for neuromarketing research together with
others whose main purpose is not neuromarketing, but can be used for this
matter. Ultimately, this work provides a historical perspective on the
evolution of techniques across various phases over recent years and enumerates
key lessons learned.
- Abstract（参考訳）: どの企業も、製品の品質と広告方法の両方を改善して利益を上げることが第一の目標だ。
この文脈では、ニューロマーケティングは製品の促進と、潜在的な買い手に対するより大きな受容を生み出すことを目指している。
伝統的に、神経マーケティング研究は提示された刺激からのフィードバックを得るために単一の生体信号に依存する。
しかし、この知識分野を研究する新しいデバイスや技術進歩のおかげで、最近の傾向は多様な生体信号の融合へのシフトを示している。
例えば、神経レベルでの広告の影響を理解するための脳波法や、そのような影響を誘発する刺激を特定するための視覚的追跡法がある。
この出現パターンは、特定の神経マーケティング目的を達成するためにどのバイオシグナルを使うかを決定する。
さらに、複数のソースからのデータの融合は高度な処理手法を必要とする。
これらの複雑さにもかかわらず、研究目的のために様々なデータソースと応用処理技術を適切に照合し整理する文献が不足している。
これらの課題に対処するため,本研究では,神経マーケティング研究における目的,生体信号,データ処理技術の包括的分析を行っている。
本研究は、リビジョン中の要素の技術的定義とグラフィカルな分布の両方を提供する。
さらに、研究目的に基づく分類を行い、採用する組合せ方法論の概要を提供する。
本稿は,神経マーケティングを主目的とせず,その目的に利用できる神経マーケティング研究のための一次データセットについて検討する。
最終的に、この研究は、近年の様々な段階にわたるテクニックの進化に関する歴史的視点を提供し、学んだ重要な教訓を列挙している。
関連論文リスト
- Progress and Opportunities of Foundation Models in Bioinformatics [77.74411726471439]
基礎モデル(FM)は、特に深層学習の領域において、計算生物学の新しい時代に定着した。
我々の焦点は、特定の生物学的問題にFMを応用することであり、研究ニーズに適切なFMを選択するために研究コミュニティを指導することを目的としています。
データノイズ、モデル説明可能性、潜在的なバイアスなど、生物学においてFMが直面する課題と限界を分析します。
論文 参考訳（メタデータ） (2024-02-06T02:29:17Z) - Single-Cell Deep Clustering Method Assisted by Exogenous Gene
Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。
クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。
本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
論文 参考訳（メタデータ） (2023-11-28T09:14:55Z) - ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。
まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。
次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
論文 参考訳（メタデータ） (2023-11-01T14:44:01Z) - Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。
我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文 参考訳（メタデータ） (2022-07-18T11:38:32Z) - Roadmap on Signal Processing for Next Generation Measurement Systems [0.222020259427608]
人工知能と機械学習の最近の進歩は、研究の注目をインテリジェントでデータ駆動の信号処理へとシフトさせている。
このロードマップは、次世代計測システムに向けた今後の課題と研究の機会を強調するために、最先端の手法と応用について批判的な概要を提示する。
基礎研究から工業研究まで幅広い分野をカバーし、研究分野ごとの現在と将来の発展の傾向と影響を反映した簡潔なテーマのセクションで組織されている。
論文 参考訳（メタデータ） (2021-11-03T19:39:34Z) - Predicting Potential Drug Targets Using Tensor Factorisation and
Knowledge Graph Embeddings [4.415977307120617]
我々は、病気の潜在的な薬物標的(遺伝子またはタンパク質)を予測するための新しいテンソル分解モデルを開発した。
薬物発見指向の知識グラフから得られた遺伝子表現を用いてデータを豊かにし,提案手法を適用し,未確認ターゲットと解離ペアの臨床的結果を予測する。
論文 参考訳（メタデータ） (2021-05-20T16:19:00Z) - Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。
治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。
この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
論文 参考訳（メタデータ） (2021-05-03T21:20:20Z) - Challenges in biomarker discovery and biorepository for Gulf-war-disease
studies: a novel data platform solution [48.7576911714538]
ROSALINDという新しいデータプラットフォームを導入し、課題を克服し、健全で重要なコラボレーションを育み、科学的調査を進めます。
ROSALINDは、自己管理されたアクセシビリティ、リンク性、可積分性、中立性、信頼性を持つリソース有機体を指します。
過去12ヶ月のGWI研究におけるROSALINDの展開により、データ実験と分析のペースが加速し、多数のエラーソースが削除され、研究品質と生産性が向上しました。
論文 参考訳（メタデータ） (2021-02-04T20:38:30Z) - Machine learning and AI-based approaches for bioactive ligand discovery
and GPCR-ligand recognition [2.842794675894731]
ディープラーニングは、従来の機械学習だけでなく、高度に専門化されたツールよりも優れていることが示されている。
我々は、GPCR生物活性分子の発見に繋がった最新のAIベースの研究を強調した。
このレビューは、ディープラーニングの最近の研究動向を浮き彫りにした、短い展望で締めくくっている。
論文 参考訳（メタデータ） (2020-01-17T22:01:26Z)
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。
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。