論文の概要: Association between Prefrontal fNIRS signals during Cognitive tasks and
College scholastic ability test (CSAT) scores: Analysis using a quantum
annealing approach
- arxiv url: http://arxiv.org/abs/2402.04287v1
- Date: Tue, 6 Feb 2024 04:44:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-08 18:32:11.287514
- Title: Association between Prefrontal fNIRS signals during Cognitive tasks and
College scholastic ability test (CSAT) scores: Analysis using a quantum
annealing approach
- Title(参考訳): 認知課題中の前頭前野fnirs信号と大学学力テスト(csat)得点との関連性--量子アニーリング法による解析
- Authors: Yeaju Kim, Junggu Choi, Bora Kim, Yongwan Park, Jihyun Cha, Jongkwan
Choi, and Sanghoon Han
- Abstract要約: 前頭前葉のfNIRS信号を解析し,認知課題と学業成績との関連について検討した。
CSATスコアと相関する認知タスクを識別するために、fNIRSデータに新しい量子アニール(QA)特徴選択アルゴリズムを適用した。
- 参考スコア(独自算出の注目度): 0.4038539043067986
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Academic achievement is a critical measure of intellectual ability, prompting
extensive research into cognitive tasks as potential predictors. Neuroimaging
technologies, such as functional near-infrared spectroscopy (fNIRS), offer
insights into brain hemodynamics, allowing understanding of the link between
cognitive performance and academic achievement. Herein, we explored the
association between cognitive tasks and academic achievement by analyzing
prefrontal fNIRS signals. A novel quantum annealer (QA) feature selection
algorithm was applied to fNIRS data to identify cognitive tasks correlated with
CSAT scores. Twelve features (signal mean, median, variance, peak, number of
peaks, sum of peaks, slope, minimum, kurtosis, skewness, standard deviation,
and root mean square) were extracted from fNIRS signals at two time windows
(10- and 60-second) to compare results from various feature variable
conditions. The feature selection results from the QA-based and XGBoost
regressor algorithms were compared to validate the former's performance. In a
three-step validation process using multiple linear regression models,
correlation coefficients between the feature variables and the CSAT scores,
model fitness (adjusted R2), and model prediction error (RMSE) values were
calculated. The quantum annealer demonstrated comparable performance to
classical machine learning models, and specific cognitive tasks, including
verbal fluency, recognition, and the Corsi block tapping task, were correlated
with academic achievement. Group analyses revealed stronger associations
between Tower of London and N-back tasks with higher CSAT scores. Quantum
annealing algorithms have significant potential in feature selection using
fNIRS data, and represents a novel research approach. Future studies should
explore predictors of academic achievement and cognitive ability.
- Abstract(参考訳): 学術的達成は知的能力の重要な尺度であり、潜在的な予測因子としての認知タスクの広範な研究を促す。
機能近赤外分光法(fNIRS)のようなニューロイメージング技術は、脳の血行動態に関する洞察を与え、認知能力と学術的成果との関係を理解する。
そこで本研究では,前頭前部fNIRS信号の解析により,認知課題と学業成績との関連性を検討した。
CSATスコアと相関する認知タスクを識別するために、fNIRSデータに新しい量子アニール(QA)特徴選択アルゴリズムを適用した。
2つの時間窓(10秒,60秒)におけるfnirs信号から12の特徴(信号平均,中央値,分散値,ピーク数,ピーク数,ピーク数,ピーク数,ピーク数,斜面,極小値,クルトシス,歪度,標準偏差,根平均正方形)を抽出し,各特徴量条件の比較を行った。
QAベースおよびXGBoost回帰器アルゴリズムの特徴選択結果を比較し,前者の性能評価を行った。
複数の線形回帰モデルを用いた3段階の検証プロセスにおいて,特徴変数とCSATスコアの相関係数,モデル適合度(調整R2),モデル予測誤差(RMSE)値を算出した。
量子アニーラーは古典的な機械学習モデルに匹敵する性能を示し、言語流布、認識、コルシブロックタッピングタスクを含む特定の認知タスクは、学術的な成果と相関していた。
グループ分析の結果、ロンドンのタワーと高いCSATスコアを持つNバックタスクの関係が強くなった。
量子アニールアルゴリズムはfNIRSデータを用いた特徴選択において大きな可能性を持ち、新しい研究手法である。
今後の研究は、学術的達成と認知能力の予測因子を探るべきである。
関連論文リスト
- Bayesian Functional Connectivity and Graph Convolutional Network for Working Memory Load Classification [0.0]
本研究では,センサ空間における脳波の機能的接続を学習するためのベイズ構造学習アルゴリズムを提案する。
その結果,6種類の言語作業記憶負荷の被験者154名に対して対象内(対象別)分類を行ったところ,96%の判定精度が得られた。
また,αバンドとthetaバンドの分類精度はβバンドよりも良好であった。
論文 参考訳(メタデータ) (2024-04-30T11:31:07Z) - Unifying (Quantum) Statistical and Parametrized (Quantum) Algorithms [65.268245109828]
我々はカーンズのSQオラクルとヴァリアントの弱い評価オラクルからインスピレーションを得ます。
評価クエリから学習するための非条件の下限を出力する,広範かつ直感的なフレームワークを提案する。
論文 参考訳(メタデータ) (2023-10-26T18:23:21Z) - TC-LIF: A Two-Compartment Spiking Neuron Model for Long-Term Sequential
Modelling [54.97005925277638]
潜在的な可能性や危険に関連する感覚的手がかりの同定は、長期間の遅延によって有用な手がかりを分離する無関係な事象によってしばしば複雑になる。
SNN(State-of-the-art spiking Neural Network)は、遠方のキュー間の長期的な時間的依存関係を確立する上で、依然として困難な課題である。
そこで本研究では,T-LIFとよばれる,生物学的にインスパイアされたTwo-compartment Leaky Integrate- and-Fireのスパイキングニューロンモデルを提案する。
論文 参考訳(メタデータ) (2023-08-25T08:54:41Z) - Problem-Dependent Power of Quantum Neural Networks on Multi-Class
Classification [83.20479832949069]
量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。
本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。
我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
論文 参考訳(メタデータ) (2022-12-29T10:46:40Z) - Improving Prediction of Cognitive Performance using Deep Neural Networks
in Sparse Data [2.867517731896504]
MIDUS(Midlife in the United States)の観察・コホート研究から得られたデータを用いて,エグゼクティブ機能とエピソード記憶測定をモデル化した。
ディープニューラルネットワーク(DNN)モデルは、認知パフォーマンス予測タスクの中で一貫して最高である。
論文 参考訳(メタデータ) (2021-12-28T22:23:08Z) - Improving Phenotype Prediction using Long-Range Spatio-Temporal Dynamics
of Functional Connectivity [9.015698823470899]
空間と時間にまたがる機能的脳結合をモデル化するためのアプローチを提案する。
我々は、性別分類とインテリジェンス予測にヒューマン・コネクトーム・プロジェクト(Human Connectome Project)データセットを使用する。
その結果、性別の予測精度は94.4%、流体インテリジェンス(0.325対0.144)との相関は、空間と時間を別々に符号化するベースラインモデルと比較して改善された。
論文 参考訳(メタデータ) (2021-09-07T14:23:34Z) - Predicting cognitive scores with graph neural networks through sample
selection learning [0.0]
機能的脳コネクトームは知能商(IQ)スコアなどの認知的指標を予測するために用いられる。
脳の接続からIQスコアを予測するための新しい回帰GNNモデル(RegGNN)を設計する。
また,最も予測力の高いトレーニングサンプルの選定方法を学ぶことを目的とした,emphlearningに基づくサンプル選択手法を提案する。
論文 参考訳(メタデータ) (2021-06-17T11:45:39Z) - CogAlign: Learning to Align Textual Neural Representations to Cognitive
Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。
我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文 参考訳(メタデータ) (2021-06-10T07:10:25Z) - Quantum agents in the Gym: a variational quantum algorithm for deep
Q-learning [0.0]
本稿では、離散的かつ連続的な状態空間に対するRLタスクを解くために使用できるパラメタライズド量子回路(PQC)のトレーニング手法を提案する。
量子Q学習エージェントのどのアーキテクチャ選択が、特定の種類の環境をうまく解決するのに最も重要であるかを検討する。
論文 参考訳(メタデータ) (2021-03-28T08:57:22Z) - An Information-Theoretic Framework for Unifying Active Learning Problems [44.758281991246825]
本稿では,アクティブラーニング問題を統合するための情報理論的枠組みを提案する。
まず、既存のLSEアルゴリズムを推定する新しいアクティブ学習基準を紹介します。
LSEとBOの関係を利用して、BOのための競合情報理論獲得関数を設計する。
論文 参考訳(メタデータ) (2020-12-19T14:22:48Z) - Towards Interaction Detection Using Topological Analysis on Neural
Networks [55.74562391439507]
ニューラルネットワークでは、あらゆる相互作用する特徴は共通の隠蔽ユニットとの強い重み付けの接続に従う必要がある。
本稿では, 永続的ホモロジーの理論に基づいて, 相互作用強度を定量化するための新しい尺度を提案する。
PID(Persistence Interaction Detection)アルゴリズムを開発した。
論文 参考訳(メタデータ) (2020-10-25T02:15:24Z)
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。