論文の概要: A flexible Bayesian non-parametric mixture model reveals multiple dependencies of swap errors in visual working memory

• arxiv url: http://arxiv.org/abs/2505.01178v1
• Date: Fri, 02 May 2025 10:38:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:19.996805
• Title: A flexible Bayesian non-parametric mixture model reveals multiple dependencies of swap errors in visual working memory
• Title（参考訳）: フレキシブルベイズ非パラメトリック混合モデルによる視覚作業記憶におけるスワップエラーの多重依存性の解明
• Authors: Puria Radmard, Paul M. Bays, Máté Lengyel,
• Abstract要約: スワップエラーの非パラメトリック混合モデルを導入する。 複数のデータセットにおけるキュー類似性へのスワップの強い依存を再カプセル化することを示す。
• 参考スコア（独自算出の注目度）: 5.052293146674793
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human behavioural data in psychophysics has been used to elucidate the underlying mechanisms of many cognitive processes, such as attention, sensorimotor integration, and perceptual decision making. Visual working memory has particularly benefited from this approach: analyses of VWM errors have proven crucial for understanding VWM capacity and coding schemes, in turn constraining neural models of both. One poorly understood class of VWM errors are swap errors, whereby participants recall an uncued item from memory. Swap errors could arise from erroneous memory encoding, noisy storage, or errors at retrieval time - previous research has mostly implicated the latter two. However, these studies made strong a priori assumptions on the detailed mechanisms and/or parametric form of errors contributed by these sources. Here, we pursue a data-driven approach instead, introducing a Bayesian non-parametric mixture model of swap errors (BNS) which provides a flexible descriptive model of swapping behaviour, such that swaps are allowed to depend on both the probed and reported features of every stimulus item. We fit BNS to the trial-by-trial behaviour of human participants and show that it recapitulates the strong dependence of swaps on cue similarity in multiple datasets. Critically, BNS reveals that this dependence coexists with a non-monotonic modulation in the report feature dimension for a random dot motion direction-cued, location-reported dataset. The form of the modulation inferred by BNS opens new questions about the importance of memory encoding in causing swap errors in VWM, a distinct source to the previously suggested binding and cueing errors. Our analyses, combining qualitative comparisons of the highly interpretable BNS parameter structure with rigorous quantitative model comparison and recovery methods, show that previous interpretations of swap errors may have been incomplete.
• Abstract（参考訳）: 精神物理学における人間の行動データは、注意、知覚的統合、知覚的意思決定など、多くの認知過程の根底にあるメカニズムを解明するために使われてきた。 VWMエラーの分析は、VWMのキャパシティとコーディングスキームを理解する上で極めて重要であることが証明され、両方のニューラルネットワークを制約する。 良く理解されていないVWMエラーの1つのクラスはスワップエラーであり、参加者は未処理のアイテムをメモリからリコールする。 不正なメモリエンコーディングやノイズストレージ、検索時のエラーなど、スワップエラーが発生する可能性がある。 しかし、これらの研究は、これらの情報源によってもたらされた詳細なメカニズムと/またはパラメトリックなエラーについての前提を強く推察した。 ここでは、スワップ動作のフレキシブルな記述モデルを提供する、スワップエラーのベイズ的非パラメトリック混合モデル(BNS)を導入し、各刺激項目の探索および報告の両方の特徴に依存するように、データ駆動型アプローチを追求する。 我々は,BNSを被験者の裁判ごとの行動に適合させ,複数のデータセットにおけるキュー類似性へのスワップの強い依存を再カプセル化することを示す。 批判的に、BNSは、この依存が非単調な変調と共存し、ランダムなドット運動の方向を計算し、位置を報告したデータセットの特徴次元を報告している。 BNSが推論した変調の形式は、前述したバインディングとキューエラーの異なるソースであるVWMのスワップエラーを引き起こす際のメモリエンコーディングの重要性に関する新たな疑問を提起する。 解析により,高度に解釈可能なBNSパラメータ構造と厳密な定量的モデル比較と回復法との質的比較を組み合わせ,スワップエラーの以前の解釈が不完全であった可能性が示唆された。

関連論文リスト

• Inverse decision-making using neural amortized Bayesian actors [19.128377007314317]
  我々は、教師なしの方法で幅広いパラメータ設定で訓練されたニューラルネットワークを用いてベイズアクターを記憶する。 本稿では,本手法がモデル比較の原理と,先行とコストの識別不能につながる要因を解消するためにどのように使用できるかを示す。
  論文  参考訳（メタデータ） (2024-09-04T10:31:35Z)
• Preventing Model Collapse in Gaussian Process Latent Variable Models [11.45681373843122]
  本稿では,線形フーリエVMのレンズによるモデル崩壊に対する射影分散の影響を理論的に検討する。 我々は、スペクトル混合(SM)カーネルと微分可能乱数特徴(RFF)カーネル近似を統合することにより、カーネルの柔軟性が不十分なため、モデル崩壊に取り組む。 提案したVMは、アドバイスRFLVMと呼ばれ、さまざまなデータセットで評価され、さまざまな競合モデルよりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-04-02T06:58:41Z)
• Max-Sliced Mutual Information [17.667315953598788]
  高次元の確率変数間の依存性の定量化は、統計的学習と推論の中心である。 2つの古典的手法は正準相関解析 (CCA) であり、これは元の変数の最大相関型を識別するものであり、シャノンの相互情報は普遍的依存度である。 本研究は、最大スライシング相互情報(mSMI)と呼ばれるCCAのスケーラブルな情報理論の一般化という形で中間層を提案する。
  論文  参考訳（メタデータ） (2023-09-28T06:49:25Z)
• Unifying flavors of fault tolerance with the ZX calculus [39.58317527488534]
  トポロジカルなフォールトトレランス(特に表面コード)のモデルに焦点を当てる。 これらのモデルは全て、基盤となる安定化器の耐故障構造の異なるフレーバーと見なすことができる。
  論文  参考訳（メタデータ） (2023-03-15T18:00:00Z)
• On the Relationship Between Variational Inference and Auto-Associative Memory [68.8204255655161]
  本フレームワークでは, 変動推論に対する異なるニューラルネットワークアプローチが適用可能であるかを検討する。 得られたアルゴリズムをCIFAR10とCLEVRの画像データセットで評価し,他の連想記憶モデルと比較した。
  論文  参考訳（メタデータ） (2022-10-14T14:18:47Z)
• Soft-SVM Regression For Binary Classification [0.0]
  ソフトネスとクラス分離パラメータを用いたヒンジ損失関数の凸緩和に基づく新しい指数族を導入する。 この新しいファミリーはSoft-SVMと呼ばれ、ロジスティック回帰とSVM分類を効果的に橋渡しする一般化線形モデルを規定することができる。
  論文  参考訳（メタデータ） (2022-05-24T03:01:35Z)
• Hybrid Predictive Coding: Inferring, Fast and Slow [62.997667081978825]
  本稿では,反復型と償却型の両方を原則的に組み合わせたハイブリッド予測符号化ネットワークを提案する。 我々は,本モデルが本質的に不確実性に敏感であり,最小計算費用を用いて正確な信念を得るためにバランスを適応的にバランスさせることを実証した。
  論文  参考訳（メタデータ） (2022-04-05T12:52:45Z)
• Estimation of Bivariate Structural Causal Models by Variational Gaussian Process Regression Under Likelihoods Parametrised by Normalising Flows [74.85071867225533]
  因果機構は構造因果モデルによって記述できる。 最先端の人工知能の大きな欠点の1つは、説明責任の欠如である。
  論文  参考訳（メタデータ） (2021-09-06T14:52:58Z)
• A Framework for Machine Learning of Model Error in Dynamical Systems [7.384376731453594]
  データから動的システムを特定するために,機械的アプローチと機械学習アプローチを混在させる統一フレームワークを提案する。 モデルエラーがメモリレスであり、大きなメモリを持つ問題に対して、連続時間と離散時間の両方で問題を提起した。 ハイブリッド手法は、データ飢餓、モデルの複雑さの要求、全体的な予測性能において、データ駆動アプローチよりも大幅に優れています。
  論文  参考訳（メタデータ） (2021-07-14T12:47:48Z)
• A Critical View of the Structural Causal Model [89.43277111586258]
  相互作用を全く考慮せずに原因と効果を識別できることが示される。 本稿では,因果モデルの絡み合った構造を模倣する新たな逆行訓練法を提案する。 我々の多次元手法は, 合成および実世界の両方のデータセットにおいて, 文献的手法よりも優れている。
  論文  参考訳（メタデータ） (2020-02-23T22:52:28Z)

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。