論文の概要: Age Effects on Decision-Making, Drift Diffusion Model

• arxiv url: http://arxiv.org/abs/2311.18376v1
• Date: Thu, 30 Nov 2023 09:19:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-01 17:18:14.180997
• Title: Age Effects on Decision-Making, Drift Diffusion Model
• Title（参考訳）: 年齢が意思決定, ドリフト拡散モデルに及ぼす影響
• Authors: Zahra Kavian, Kimia Hajisadeghi, Yashar Rezazadeh, Mehrbod Faraji, Reza Ebrahimpour
• Abstract要約: トレーニングは人間の意思決定能力を改善する。 本研究では,ランダム・ドット・モーション(RDM)タスクの完了時に,異なる年齢グループのパフォーマンスを向上させるためのトレーニング方法を検討する。
• 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: Training can improve human decision-making performance. After several training sessions, a person can quickly and accurately complete a task. However, decision-making is always a trade-off between accuracy and response time. Factors such as age and drug abuse can affect the decision-making process. This study examines how training can improve the performance of different age groups in completing a random dot motion (RDM) task. The participants are divided into two groups: old and young. They undergo a three-phase training and then repeat the same RDM task. The hierarchical drift-diffusion model analyzes the subjects' responses and determines how the model's parameters change after training for both age groups. The results show that after training, the participants were able to accumulate sensory information faster, and the model drift rate increased. However, their decision boundary decreased as they became more confident and had a lower decision-making threshold. Additionally, the old group had a higher boundary and lower drift rate in both pre and post-training, and there was less difference between the two group parameters after training.
• Abstract（参考訳）: トレーニングは人間の意思決定能力を改善する。 複数回のトレーニングセッションの後、人は迅速かつ正確にタスクを完了できる。 しかし、意思決定は常に正確性と応答時間の間のトレードオフである。 年齢や薬物乱用などの要因が意思決定プロセスに影響を及ぼす可能性がある。 本研究では,ランダム・ドット・モーション(RDM)タスクの完了時に,異なる年齢グループのパフォーマンスを向上させるためのトレーニング方法を検討する。 参加者は、老人と若者の2つのグループに分けられる。 彼らは3段階の訓練を受け、同じrdmタスクを繰り返す。 階層的ドリフト拡散モデルは, 被験者の反応を解析し, 両年齢群のトレーニング後, モデルのパラメータがどう変化するかを決定する。 その結果, 訓練後, 被験者は感覚情報をより早く蓄積することができ, モデルドリフト率も向上した。 しかし、その決定境界は、より自信を増し、意思決定のしきい値が低いほど小さくなった。 さらに,前訓練と後訓練のいずれにおいても,旧群は境界値が高く,ドリフト率も低く,訓練後の2群パラメータに差は認められなかった。

関連論文リスト

• How Do Training Methods Influence the Utilization of Vision Models? [23.41975772383921]
  すべての学習可能なパラメータが、ニューラルネットワークの決定関数に等しく寄与するわけではない。 アーキテクチャとタスクの複雑さがこの現象にどのように影響するかを調べる以前の研究を再考する。 本研究により, 学習手法は, 与えられた課題に対する決定関数にどの層が重要になるかに強く影響を与えることが明らかとなった。
  論文  参考訳（メタデータ） (2024-10-18T13:54:46Z)
• Knowledge-Guided Prompt Learning for Lifespan Brain MR Image Segmentation [53.70131202548981]
  本稿では,脳MRIにKGPL(Knowledge-Guided Prompt Learning)を用いた2段階のセグメンテーションフレームワークを提案する。 具体的には,大規模データセットと準最適ラベルを用いたトレーニング前セグメンテーションモデルについて述べる。 知識的プロンプトの導入は、解剖学的多様性と生物学的プロセスの間の意味的関係を捉えている。
  論文  参考訳（メタデータ） (2024-07-31T04:32:43Z)
• CM-DQN: A Value-Based Deep Reinforcement Learning Model to Simulate Confirmation Bias [0.0]
  本稿では,人間の意思決定過程をシミュレートするために,Deep Reinforcement Learning(CM-DQN)に新たなアルゴリズムを提案する。 我々は,Lunar Lander環境において,確認的,不確認的バイアス,非バイアスを用いて学習効果を観察する。
  論文  参考訳（メタデータ） (2024-07-10T08:16:13Z)
• Early Period of Training Impacts Adaptation for Out-of-Distribution Generalization: An Empirical Study [56.283944756315066]
  本稿では,学習力学,分布外一般化,ニューラルネットワークトレーニングの初期段階との関係について検討する。 トレーニングの初期においてトレーニング可能なパラメータの数を変更することで,OODの結果が大幅に改善できることが示唆された。 画像データとテキストデータの両方で実験したところ、訓練の初期段階は、IDとOODのパフォーマンスを最小限の複雑さで改善できる一般的な現象であることがわかった。
  論文  参考訳（メタデータ） (2024-03-22T13:52:53Z)
• Adaptive Training Meets Progressive Scaling: Elevating Efficiency in Diffusion Models [52.1809084559048]
  TDCトレーニングと呼ばれる新しい2段階分割型トレーニング戦略を提案する。 タスクの類似性と難易度に基づいてタイムステップをグループ化し、高度にカスタマイズされた復調モデルを各グループに割り当て、拡散モデルの性能を向上させる。 2段階のトレーニングでは、各モデルを個別にトレーニングする必要がなくなるが、総トレーニングコストは、単一の統合されたデノナイジングモデルをトレーニングするよりもさらに低い。
  論文  参考訳（メタデータ） (2023-12-20T03:32:58Z)
• Group Distributionally Robust Knowledge Distillation [16.058258572636376]
  サブポピュレーションシフトは、医療画像解析において一般的なシナリオである。 本稿では,グループ対応蒸留損失を提案する。 提案手法であるGroupDistilを2つのベンチマークデータセット上で実証的に検証する。
  論文  参考訳（メタデータ） (2023-11-01T12:25:02Z)
• Small-scale proxies for large-scale Transformer training instabilities [69.36381318171338]
  我々は、小規模でトレーニングの安定性と不安定性を再現し、研究する方法を模索する。 学習速度とスケールによる損失の関係を計測することにより,これらの不安定性は,学習率の高いトレーニングにおいて,小さなモデルにも現れることを示す。 ウォームアップ,ウェイト崩壊,および$mu$Paramなどの手法を用いて,学習速度変化の桁数で同様の損失を被る小さなモデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-25T17:48:51Z)
• Latent State Models of Training Dynamics [51.88132043461152]
  異なるランダムなシードでモデルをトレーニングし、トレーニングを通じてさまざまなメトリクスを計算します。 次に、結果のメトリクス列に隠れマルコフモデル(HMM)を適合させる。 我々はHMM表現を用いて相転移を研究し、収束を遅くする潜伏状態(detour state)を特定する。
  論文  参考訳（メタデータ） (2023-08-18T13:20:08Z)
• Adversarial Regression Learning for Bone Age Estimation [6.942003070153651]
  骨年齢推定のための逆回帰学習ネットワーク(ARLNet)を提案する。 具体的には、微調整されたインセプションV3ニューラルネットワークから骨の特徴を抽出します。 次に,学習データからテストデータへの遷移を保証するために,逆回帰損失と特徴再構成損失を提案する。
  論文  参考訳（メタデータ） (2021-03-10T15:58:26Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• Improving the affordability of robustness training for DNNs [11.971637253035107]
  逆行訓練の初期段階は冗長であり、計算効率を大幅に向上させる自然な訓練に置き換えることができることを示す。 提案手法は, 各種敵攻撃の強みに対するモデルテスト精度と一般化により, 最大2.5倍の訓練時間を短縮できることを示す。
  論文  参考訳（メタデータ） (2020-02-11T07:29:45Z)

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。