Fugu-MT 論文翻訳(概要): A Parameter-efficient Multi-subject Model for Predicting fMRI Activity

論文の概要: A Parameter-efficient Multi-subject Model for Predicting fMRI Activity

arxiv url: http://arxiv.org/abs/2308.02351v1
Date: Fri, 4 Aug 2023 14:39:05 GMT
ステータス: 処理完了
システム内更新日: 2023-08-07 12:44:02.270823
Title: A Parameter-efficient Multi-subject Model for Predicting fMRI Activity
Title（参考訳）: fMRI活動予測のためのパラメータ効率のよい多対象モデル
Authors: Connor Lane, Gregory Kiar
Abstract要約: これは、Algonauts 2023によるチーム"BlobGPT"への提出報告である。我々のモデルは、事前訓練されたトランクモデルに取り付けられた多目的線形符号化ヘッドで構成されている。本稿では,これらのコンポーネントについてより詳細に説明し,実験結果を示す。
参考スコア（独自算出の注目度）: 1.6752182911522522
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This is the Algonauts 2023 submission report for team "BlobGPT". Our model consists of a multi-subject linear encoding head attached to a pretrained trunk model. The multi-subject head consists of three components: (1) a shared multi-layer feature projection, (2) shared plus subject-specific low-dimension linear transformations, and (3) a shared PCA fMRI embedding. In this report, we explain these components in more detail and present some experimental results. Our code is available at https://github.com/cmi-dair/algonauts23.
Abstract（参考訳）: これはアルゴノートズ2023のチーム「BlobGPT」への提出報告である。本モデルは,事前学習したトランクモデルに付加したマルチサブジェクト線形符号化ヘッドからなる。マルチサブジェクトヘッドは、(1)共有多層特徴投影、(2)共有および被写体特異的低次元線形変換、(3)共有pca fmri埋め込みの3つの成分からなる。本稿では,これらのコンポーネントについてより詳細に説明し,実験結果を示す。私たちのコードはhttps://github.com/cmi-dair/algonauts23で利用可能です。

関連論文リスト

Relation Learning and Aggregate-attention for Multi-person Motion Prediction [13.052342503276936]
多対人動作予測は、骨格構造や人間の軌道だけでなく、他者との相互作用も考慮している。それまでの手法では、個人内の結合関係(イントラリレーション)とグループ間の相互作用(インターリレーション)は異なる種類の表現であるとしばしば見落としていた。我々はこれらの関係を明示的にモデル化する多人数動作予測のための新しい協調フレームワークを提案する。
論文参考訳（メタデータ） (2024-11-06T07:48:30Z)
Multi-Modality Multi-Scale Cardiovascular Disease Subtypes Classification Using Raman Image and Medical History [2.9315342447802317]
これらの問題に対処する2つのコアモジュールを持つ新しいディープラーニング手法であるM3Sというマルチモードマルチスケールモデルを提案する。まず,図形角度場(GAF)による様々な解像度画像にRSデータを変換してニュアンスを拡大する。第2に、RSと医療履歴データを組み合わせて分類能力を高めるために、確率行列と重み行列を用いる。
論文参考訳（メタデータ） (2023-04-18T22:09:16Z)
Quantifying & Modeling Multimodal Interactions: An Information Decomposition Framework [89.8609061423685]
本稿では,入力モーダル性と出力タスクを関連付けた冗長性,特異性,シナジーの度合いを定量化する情報理論手法を提案する。 PID推定を検証するために、PIDが知られている合成データセットと大規模マルチモーダルベンチマークの両方で広範な実験を行う。本研究では,(1)マルチモーダルデータセット内の相互作用の定量化,(2)マルチモーダルモデルで捉えた相互作用の定量化,(3)モデル選択の原理的アプローチ,(4)実世界のケーススタディの3つにその有用性を示す。
論文参考訳（メタデータ） (2023-02-23T18:59:05Z)
Team Triple-Check at Factify 2: Parameter-Efficient Large Foundation Models with Feature Representations for Multi-Modal Fact Verification [5.552606716659022]
ソーシャルメディアでは、マルチモーダルな事実検証が重要だが難しい問題となっている。本稿では,細粒度テキストと照明パラメータを用いた入力埋め込みをモデル化するためのPre-CoFactv2フレームワークを提案する。 AAAI 2023のFactifyチャレンジにおいて,Pre-CoFactv2がPre-CoFactを大きなマージンで上回り,新たな最先端の成果を得たことを示す。
論文参考訳（メタデータ） (2023-02-12T18:08:54Z)
Universal Segmentation of 33 Anatomies [19.194539991903593]
本稿では,33の解剖学的構造を普遍的に分割する単一モデルの学習手法を提案する。我々は、複数のデータセットの結合からそのようなモデルを学び、各データセットには部分的にラベル付けされた画像が含まれている。我々は,複数のオープンソースデータセット上でモデルを評価し,モデルが優れた一般化性能を有することを示す。
論文参考訳（メタデータ） (2022-03-04T02:29:54Z)
Shared Independent Component Analysis for Multi-Subject Neuroimaging [107.29179765643042]
本稿では,ShICA (Shared Independent Component Analysis) を導入し,各ビューを加法ガウス雑音によって汚染された共有独立成分の線形変換としてモデル化する。このモデルは、成分がガウス的でないか、あるいはノイズ分散に十分な多様性がある場合、同定可能であることを示す。我々は,fMRIおよびMEGデータセットの実証的証拠として,ShICAが代替品よりも正確な成分推定を行うことを示す。
論文参考訳（メタデータ） (2021-10-26T08:54:41Z)
BPLF: A Bi-Parallel Linear Flow Model for Facial Expression Generation from Emotion Set Images [0.0]
フローベース生成モデルはディープラーニング生成モデルであり、データ分布を明示的に学習することでデータを生成する能力を得る。本稿では、感情セット画像から顔の感情を生成するための双方向線形フローモデルを構築した。本稿では、現在の顔の感情画像の公開データセットを整理し、新しい感情データを作成し、このデータセットを通してモデルを検証した。
論文参考訳（メタデータ） (2021-05-27T09:37:09Z)
DoDNet: Learning to segment multi-organ and tumors from multiple partially labeled datasets [102.55303521877933]
本稿では,複数の臓器と腫瘍を部分的にラベル付けしたデータセット上に分割する動的オンデマンドネットワーク(DoDNet)を提案する。 DoDNetは共有エンコーダデコーダアーキテクチャ、タスク符号化モジュール、動的畳み込みフィルタを生成するコントローラ、そして単一だが動的セグメンテーションヘッドで構成されている。
論文参考訳（メタデータ） (2020-11-20T04:56:39Z)
Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。その結果,我々のモデルは最先端の性能を達成できることがわかった。
論文参考訳（メタデータ） (2020-10-12T03:27:07Z)
Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文参考訳（メタデータ） (2020-06-11T17:29:53Z)
M2Net: Multi-modal Multi-channel Network for Overall Survival Time Prediction of Brain Tumor Patients [151.4352001822956]
生存時間(OS)の早期かつ正確な予測は、脳腫瘍患者に対するより良い治療計画を得るのに役立つ。既存の予測手法は、磁気共鳴(MR)ボリュームの局所的な病変領域における放射能特性に依存している。我々は,マルチモーダルマルチチャネルネットワーク(M2Net)のエンドツーエンドOS時間予測モデルを提案する。
論文参考訳（メタデータ） (2020-06-01T05:21:37Z)

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。