論文の概要: Differentiable Optimization of Similarity Scores Between Models and Brains

• arxiv url: http://arxiv.org/abs/2407.07059v1
• Date: Tue, 9 Jul 2024 17:31:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-10 17:07:48.258424
• Title: Differentiable Optimization of Similarity Scores Between Models and Brains
• Title（参考訳）: モデルと脳の類似度スコアの微分可能最適化
• Authors: Nathan Cloos, Moufan Li, Markus Siegel, Scott L. Brincat, Earl K. Miller, Guangyu Robert Yang, Christopher J. Cueva,
• Abstract要約: 非ヒト霊長類の5つの実験で記録された神経活動の解析を行った。 線形回帰やCKAのような測度は、角プロクリストと異なる。 理論とシミュレーションの両方において、これらのスコアが、異なる主成分が摂動するときにどのように変化するかを示す。
• 参考スコア（独自算出の注目度）: 1.5391321019692434
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: What metrics should guide the development of more realistic models of the brain? One proposal is to quantify the similarity between models and brains using methods such as linear regression, Centered Kernel Alignment (CKA), and angular Procrustes distance. To better understand the limitations of these similarity measures we analyze neural activity recorded in five experiments on nonhuman primates, and optimize synthetic datasets to become more similar to these neural recordings. How similar can these synthetic datasets be to neural activity while failing to encode task relevant variables? We find that some measures like linear regression and CKA, differ from angular Procrustes, and yield high similarity scores even when task relevant variables cannot be linearly decoded from the synthetic datasets. Synthetic datasets optimized to maximize similarity scores initially learn the first principal component of the target dataset, but angular Procrustes captures higher variance dimensions much earlier than methods like linear regression and CKA. We show in both theory and simulations how these scores change when different principal components are perturbed. And finally, we jointly optimize multiple similarity scores to find their allowed ranges, and show that a high angular Procrustes similarity, for example, implies a high CKA score, but not the converse.
• Abstract（参考訳）: 脳のより現実的なモデルの開発を導くための指標は何か? 1つの提案は、線形回帰、CKA(Centered Kernel Alignment)、角状プロクリスト距離などの手法を用いて、モデルと脳の類似性を定量化することである。 これらの類似度測定の限界をよりよく理解するために、我々は、非ヒト霊長類の5つの実験で記録された神経活動を分析し、合成データセットをこれらのニューラル記録とよりよく似たものに最適化する。 これらの合成データセットは、タスクに関連する変数をエンコードしていない間、神経活動にどの程度似ているか? 線形回帰やCKAのような測度は, 角状プロクリストと異なり, タスク関連変数が合成データセットから線形に復号できない場合でも高い類似性スコアが得られる。 類似度スコアを最大化するために最適化された合成データセットは、最初はターゲットデータセットの最初の主成分を学習するが、角状プロクリストは線形回帰やCKAのような手法よりもはるかに早く、高い分散次元をキャプチャする。 理論とシミュレーションの両方において、これらのスコアが、異なる主成分が摂動するときにどのように変化するかを示す。 そして最後に、複数の類似度スコアを共同で最適化して許容範囲を見つけ、例えば高角プロクリスト類似度は高いCKAスコアを示すが、逆ではないことを示す。

関連論文リスト

• Evaluating Representational Similarity Measures from the Lens of Functional Correspondence [1.7811840395202345]
  神経科学と人工知能(AI)はどちらも、高次元のニューラルネットワークの解釈という課題に直面している。 表象比較が広く使われているにもかかわらず、重要な疑問が残る: どの指標がこれらの比較に最も適しているのか?
  論文  参考訳（メタデータ） (2024-11-21T23:53:58Z)
• Measuring similarity between embedding spaces using induced neighborhood graphs [10.056989400384772]
  本稿では,ペアの項目表現の類似性を評価するための指標を提案する。 この結果から,類似度とゼロショット分類タスクの精度が類似度と相関していることが示唆された。
  論文  参考訳（メタデータ） (2024-11-13T15:22:33Z)
• What Representational Similarity Measures Imply about Decodable Information [6.5879381737929945]
  我々は、デコーディングの観点から、いくつかのニューラルネットワーク類似度尺度が等価に動機付けられることを示した。 CKAやCCAといった手法は、デコードタスクの分散を通して最適な線形読み込み間の平均的なアライメントを定量化します。 全体として、我々の研究は、神経表現の幾何学と情報を線形に復号する能力の密接な関係を実証している。
  論文  参考訳（メタデータ） (2024-11-12T21:37:10Z)
• Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
  本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。 また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
  論文  参考訳（メタデータ） (2023-08-28T12:55:13Z)
• Rethinking k-means from manifold learning perspective [122.38667613245151]
  平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。 具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。 異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
  論文  参考訳（メタデータ） (2023-05-12T03:01:41Z)
• Reliability of CKA as a Similarity Measure in Deep Learning [17.555458413538233]
  我々はCKA感度を多種多様な単純な変換に特徴付ける分析を行う。 CKA類似度測定のいくつかの弱点について検討し、予期せぬ結果や反直感的な結果をもたらす状況を示す。 以上の結果から,CKAの値はモデルの機能的振る舞いにかなりの変化を伴わずに容易に操作できることが示唆された。
  論文  参考訳（メタデータ） (2022-10-28T14:32:52Z)
• Efficient Approximate Kernel Based Spike Sequence Classification [56.2938724367661]
  SVMのような機械学習モデルは、シーケンスのペア間の距離/相似性の定義を必要とする。 厳密な手法により分類性能は向上するが、計算コストが高い。 本稿では,その予測性能を向上させるために,近似カーネルの性能を改善する一連の方法を提案する。
  論文  参考訳（メタデータ） (2022-09-11T22:44:19Z)
• Towards Similarity-Aware Time-Series Classification [51.2400839966489]
  時系列データマイニングの基本課題である時系列分類(TSC)について検討する。 グラフニューラルネットワーク(GNN)を用いて類似情報をモデル化するフレームワークであるSimTSCを提案する。
  論文  参考訳（メタデータ） (2022-01-05T02:14:57Z)
• Meta Learning Low Rank Covariance Factors for Energy-Based Deterministic Uncertainty [58.144520501201995]
  ニューラルネットワーク層のBi-Lipschitz正規化は、各レイヤの特徴空間におけるデータインスタンス間の相対距離を保存する。 注意セットエンコーダを用いて,タスク固有の共分散行列を効率的に構築するために,対角的,対角的,低ランクな要素のメタ学習を提案する。 また,最終的な予測分布を達成するために,スケールしたエネルギーを利用する推論手法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T22:04:19Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Learning similarity measures from data [1.4766350834632755]
  類似度尺度を定義することは、いくつかの機械学習手法の要件である。 データセットは通常、CBRや機械学習システムの構築の一部として収集される。 本研究の目的は,機械学習を用いて類似度を効果的に学習する方法を検討することである。
  論文  参考訳（メタデータ） (2020-01-15T13:29:48Z)

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。