論文の概要: Memories in the Making: Predicting Video Memorability with Encoding
Phase EEG
- arxiv url: http://arxiv.org/abs/2309.16704v1
- Date: Wed, 16 Aug 2023 22:39:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 05:45:44.455603
- Title: Memories in the Making: Predicting Video Memorability with Encoding
Phase EEG
- Title(参考訳): フェイズ脳波の符号化によるビデオ記憶可能性の予測
- Authors: Lorin Sweeney and Graham Healy and Alan F. Smeaton
- Abstract要約: 本研究は,「記憶のモーメント」の解明に寄与する。
脳波(EEG)信号を視覚領域に変換することにより、この瞬間の基盤となる神経のシグネチャを解明する。
本研究は,宣言記憶の符号化における右側頭葉のテータバンド発振の関与を裏付けるものである。
- 参考スコア(独自算出の注目度): 2.2124795371148616
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In a world of ephemeral moments, our brain diligently sieves through a
cascade of experiences, like a skilled gold prospector searching for precious
nuggets amidst the river's relentless flow. This study delves into the elusive
"moment of memorability" -- a fleeting, yet vital instant where experiences are
prioritised for consolidation in our memory. By transforming subjects' encoding
phase electroencephalography (EEG) signals into the visual domain using
scaleograms and leveraging deep learning techniques, we investigate the neural
signatures that underpin this moment, with the aim of predicting
subject-specific recognition of video. Our findings not only support the
involvement of theta band (4-8Hz) oscillations over the right temporal lobe in
the encoding of declarative memory, but also support the existence of a
distinct moment of memorability, akin to the gold nuggets that define our
personal river of experiences.
- Abstract(参考訳): 短命な瞬間の世界では、私たちの脳は、川の無力な流れの中で貴重なナゲットを探す熟練した金のプロスペクターのような、一連の経験を熱心にシーブします。
本研究は,記憶の融合のために経験が優先されるような,無意味な「記憶力の運動」という,極めて重要な瞬間に陥ります。
被験者の脳波信号のエンコーディングをスケールグラムを用いて視覚領域に変換し、深層学習技術を活用することにより、映像の主観的認識を予測することを目的として、この瞬間の基盤となる神経シグネチャについて検討する。
宣言的記憶の符号化における右側頭葉上のテータバンド(4-8Hz)の振動の関与を支持するだけでなく,経験の川を規定する金のナゲットと同様,記憶の異なる瞬間の存在も支持している。
関連論文リスト
- In-Memory Learning: A Declarative Learning Framework for Large Language
Models [56.62616975119192]
本研究では,人間ラベルデータに頼らずにエージェントが環境に整合できる新しい学習フレームワークを提案する。
このプロセス全体がメモリコンポーネント内で変換され、自然言語で実装される。
フレームワークの有効性を実証し、この問題に対する洞察を提供する。
論文 参考訳(メタデータ) (2024-03-05T08:25:11Z) - Wake-Sleep Consolidated Learning [9.596781985154927]
視覚分類タスクにおける深層ニューラルネットワークの性能向上を目的としたWake-Sleep Consolidated Learningを提案する。
本手法は、異なる覚醒相と睡眠相の同期を通して連続的に学習する。
提案手法の有効性を3つのベンチマークデータセットで評価した。
論文 参考訳(メタデータ) (2023-12-06T18:15:08Z) - Saliency-Guided Hidden Associative Replay for Continual Learning [13.551181595881326]
継続学習(Continuous Learning)は、人間の学習に似た一連のタスクを通じてニューラルネットワークをトレーニングすることに焦点を当てた、次世代AIの急成長する領域である。
本稿では,継続的学習のためのSaliency Guided Hidden Associative Replayを提案する。
この新しいフレームワークは、アソシエイトメモリをリプレイベースの戦略でシナジする。SHARCは主にスパースメモリエンコーディングを通じて、有能なデータセグメントをアーカイブする。
論文 参考訳(メタデータ) (2023-10-06T15:54:12Z) - Egocentric Audio-Visual Object Localization [51.434212424829525]
本研究では,エゴモーションを明示的に処理する時空間アグリゲーションモジュールを提案する。
エゴモーションの効果は、時間的幾何変換を推定し、それを利用して視覚的表現を更新することによって緩和される。
視覚的に指示された音声表現をアンタングルすることで、モーダルな局所化の堅牢性を向上させる。
論文 参考訳(メタデータ) (2023-03-23T17:43:11Z) - A Deep Learning Approach for the Segmentation of Electroencephalography
Data in Eye Tracking Applications [56.458448869572294]
脳波データの時系列セグメンテーションのための新しいフレームワークDETRtimeを紹介する。
エンドツーエンドのディープラーニングベースのフレームワークは、コンピュータビジョンの進歩を前面に立たせています。
我々のモデルは脳波睡眠ステージセグメンテーションのタスクにおいてよく一般化される。
論文 参考訳(メタデータ) (2022-06-17T10:17:24Z) - Shared memories driven by the intrinsic memorability of items [0.0]
近年の作品は、記憶と忘れ物に影響を与える視覚世界そのものの強い揺れを明らかにしています。
研究は、脳が遅い知覚中に急速に自動的に記憶性に敏感であることを明らかにしました。
論文 参考訳(メタデータ) (2021-04-14T16:03:27Z) - Deep Recurrent Encoder: A scalable end-to-end network to model brain
signals [122.1055193683784]
複数の被験者の脳応答を一度に予測するために訓練されたエンドツーエンドのディープラーニングアーキテクチャを提案する。
1時間の読解作業で得られた大脳磁図(meg)記録を用いて,このアプローチを検証した。
論文 参考訳(メタデータ) (2021-03-03T11:39:17Z) - Predicting the Transition from Short-term to Long-term Memory based on
Deep Neural Network [1.4502611532302039]
我々はディープニューラルネットワークを用いて長期記憶を予測することを目指している。
短期記憶における記憶項目の脳波信号のスペクトルパワーを算出した。
本研究では,短期記憶中における脳波信号を用いて長期記憶を予測可能であることを示す。
論文 参考訳(メタデータ) (2020-12-07T08:00:35Z) - A Prospective Study on Sequence-Driven Temporal Sampling and Ego-Motion
Compensation for Action Recognition in the EPIC-Kitchens Dataset [68.8204255655161]
行動認識はコンピュータビジョンにおける最上位の研究分野の一つである。
エゴモーション記録シーケンスは重要な関連性を持つようになった。
提案手法は,このエゴモーションやカメラの動きを推定して対処することを目的としている。
論文 参考訳(メタデータ) (2020-08-26T14:44:45Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳(メタデータ) (2020-05-22T14:29:51Z) - Neural Oscillations for Encoding and Decoding Declarative Memory using
EEG Signals [1.713291434132985]
本研究では,記憶過程に関連する神経振動の変化について検討した。
エンコーディングフェーズでは,低ベータ,高ベータ帯域において,前頭中部領域でのパワー低下が顕著であった。
復号相では, アルファパワーの顕著な低下しか観測されなかった。
論文 参考訳(メタデータ) (2020-02-04T04:53:30Z)
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。