Fugu-MT 論文翻訳(概要): LISBET: a self-supervised Transformer model for the automatic segmentation of social behavior motifs

論文の概要: LISBET: a self-supervised Transformer model for the automatic segmentation of social behavior motifs

arxiv url: http://arxiv.org/abs/2311.04069v1
Date: Tue, 7 Nov 2023 15:35:17 GMT
ステータス: 処理完了
システム内更新日: 2023-11-08 14:59:41.938993
Title: LISBET: a self-supervised Transformer model for the automatic segmentation of social behavior motifs
Title（参考訳）: LISBET:社会行動モチーフの自動セグメンテーションのための自己教師型トランスフォーマーモデル
Authors: Giuseppe Chindemi, Benoit Girard, Camilla Bellone
Abstract要約: LISBET (seLf-supervIsed Social BEhavioral Transformer) を導入した。本モデルでは,自己教師付き学習を用いることで,特徴選択や広範囲な人的アノテーションの必要性を解消する。 LISBETは、教師付き微調整を用いて行動分類を自動化する仮説駆動型モードや、教師なし学習を用いて社会的行動モチーフを分割する発見駆動型モードで使用することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Social behavior, defined as the process by which individuals act and react in response to others, is crucial for the function of societies and holds profound implications for mental health. To fully grasp the intricacies of social behavior and identify potential therapeutic targets for addressing social deficits, it is essential to understand its core principles. Although machine learning algorithms have made it easier to study specific aspects of complex behavior, current methodologies tend to focus primarily on single-animal behavior. In this study, we introduce LISBET (seLf-supervIsed Social BEhavioral Transformer), a model designed to detect and segment social interactions. Our model eliminates the need for feature selection and extensive human annotation by using self-supervised learning to detect and quantify social behaviors from dynamic body parts tracking data. LISBET can be used in hypothesis-driven mode to automate behavior classification using supervised finetuning, and in discovery-driven mode to segment social behavior motifs using unsupervised learning. We found that motifs recognized using the discovery-driven approach not only closely match the human annotations but also correlate with the electrophysiological activity of dopaminergic neurons in the Ventral Tegmental Area (VTA). We hope LISBET will help the community improve our understanding of social behaviors and their neural underpinnings.
Abstract（参考訳）: 個人が他者に反応して行動し反応する過程として定義される社会的行動は、社会の機能に不可欠であり、精神的健康に重大な影響を及ぼす。社会的行動の複雑さを十分に把握し、社会的欠陥に対処するための治療目標を特定するためには、その核となる原則を理解することが不可欠である。機械学習アルゴリズムは複雑な振る舞いの特定の側面を研究するのを容易にするが、現在の手法は主に単一動物行動に焦点を当てる傾向がある。本研究では,社会相互作用の検出とセグメント化を目的としたモデルであるLISBET(seLf-supervIsed Social BEhavioral Transformer)を導入する。本モデルでは,動的身体部位追跡データから社会的行動の検出と定量化に自己教師付き学習を用いることで,特徴選択や広範な人間アノテーションの必要性を解消する。 LISBETは、教師付き微調整を用いて行動分類を自動化する仮説駆動型モードや、教師なし学習を用いて社会的行動モチーフを分割する発見駆動型モードで使用できる。発見駆動アプローチを用いて認識されるモチーフは,ヒトの注記と密接に一致するだけでなく,心室四肢野(vta)のドーパミン作動性ニューロンの電気生理学的活性とも相関することがわかった。 LISBETは、コミュニティが社会行動とその神経基盤を理解するのに役立つことを願っています。

関連論文リスト

Emotion-Oriented Behavior Model Using Deep Learning [0.9176056742068812]
感情に基づく行動予測の精度は2尾のピアソン相関を用いて統計的に検証される。本研究は,感情指向行動に基づく多面的人工エージェントインタラクションの基盤となる。
論文参考訳（メタデータ） (2023-10-28T17:27:59Z)
Dataset Bias in Human Activity Recognition [57.91018542715725]
このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
論文参考訳（メタデータ） (2023-01-19T12:33:50Z)
CNN-Based Action Recognition and Pose Estimation for Classifying Animal Behavior from Videos: A Survey [0.0]
アクション認識(Action Recognition)は、1つ以上の被験者がトリミングされたビデオで行う活動の分類であり、多くの技術の基礎を形成する。人間の行動認識のためのディープラーニングモデルは、過去10年間に進歩してきた。近年,深層学習に基づく行動認識を取り入れた研究への関心が高まっている。
論文参考訳（メタデータ） (2023-01-15T20:54:44Z)
Bodily Behaviors in Social Interaction: Novel Annotations and State-of-the-Art Evaluation [0.0]
本稿では,社会相互作用に埋め込まれた複雑な身体行動の最初のアノテーションであるBBSIについて述べる。心理学における過去の研究に基づいて,26時間の自発的な行動について手動で注釈を付けた。我々は、人間の行動検出のための最先端のアプローチであるピラミッド拡張注意ネットワーク(PDAN)を適応する。
論文参考訳（メタデータ） (2022-07-26T11:24:00Z)
Incorporating Heterogeneous User Behaviors and Social Influences for Predictive Analysis [32.31161268928372]
我々は,行動予測に異質なユーザ行動と社会的影響を取り入れることを目指している。本稿では,行動シーケンスのコンテキストを考慮したLong-Short Term Memory (LSTM)を提案する。残差学習に基づくデコーダは、社会的行動表現に基づいて、複数の高次クロス機能を自動的に構築するように設計されている。
論文参考訳（メタデータ） (2022-07-24T17:05:37Z)
The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文参考訳（メタデータ） (2022-03-03T17:19:12Z)
Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
論文参考訳（メタデータ） (2021-12-02T12:45:46Z)
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)
Beyond Tracking: Using Deep Learning to Discover Novel Interactions in Biological Swarms [3.441021278275805]
本稿では,システムレベルの状態を全体像から直接予測するディープ・ネットワーク・モデルを提案する。結果の予測モデルは、人間の理解した予測モデルに基づいていないため、説明モジュールを使用する。これは、行動生態学における人工知能の例である。
論文参考訳（メタデータ） (2021-08-20T22:50:41Z)
Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model [124.26611454540813]
マウスの社会的行動分析は神経変性疾患の治療効果を評価する貴重なツールである。マウスの社会行動の豊かな記述を創出する可能性から、ネズミの観察にマルチビュービデオ記録を使用することは、ますます注目を集めている。本稿では,ビュー固有のサブ構造とビュー共有サブ構造を協調的に学習する,新しい多視点潜在意識・動的識別モデルを提案する。
論文参考訳（メタデータ） (2020-11-04T18:09:58Z)
Learning Human-Object Interaction Detection using Interaction Points [140.0200950601552]
本研究では,人間と物体の相互作用を直接検出する新しい完全畳み込み手法を提案する。我々のネットワークは相互作用点を予測し、その相互作用を直接ローカライズし、分類する。 V-COCOとHICO-DETの2つの人気のあるベンチマークで実験が行われる。
論文参考訳（メタデータ） (2020-03-31T08:42:06Z)

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。