論文の概要: Synthesizing Images on Perceptual Boundaries of ANNs for Uncovering and Manipulating Human Perceptual Variability
- arxiv url: http://arxiv.org/abs/2505.03641v1
- Date: Tue, 06 May 2025 15:44:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-07 18:50:11.454494
- Title: Synthesizing Images on Perceptual Boundaries of ANNs for Uncovering and Manipulating Human Perceptual Variability
- Title（参考訳）: ANNの知覚境界画像の合成による人間の知覚変動の解明と操作
- Authors: Chen Wei, Chi Zhang, Jiachen Zou, Haotian Deng, Dietmar Heinke, Quanying Liu,
- Abstract要約: 認知的タスクや日常生活における人間の意思決定は、タスクの難易度、個人の好み、個人的な経験などの要因によって形成される、かなりの多様性を示す。
本稿では、ANNにおける知覚境界サンプリングと人間の行動実験を組み合わせて、この現象を解明する計算フレームワークを提案する。
我々の知覚境界サンプリングアルゴリズムは、ANN決定境界に沿って刺激を生成し、本質的に重要な知覚変数を誘導する。
- 参考スコア（独自算出の注目度）: 8.068477554057475
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human decision-making in cognitive tasks and daily life exhibits considerable variability, shaped by factors such as task difficulty, individual preferences, and personal experiences. Understanding this variability across individuals is essential for uncovering the perceptual and decision-making mechanisms that humans rely on when faced with uncertainty and ambiguity. We present a computational framework BAM (Boundary Alignment & Manipulation framework) that combines perceptual boundary sampling in ANNs and human behavioral experiments to systematically investigate this phenomenon. Our perceptual boundary sampling algorithm generates stimuli along ANN decision boundaries that intrinsically induce significant perceptual variability. The efficacy of these stimuli is empirically validated through large-scale behavioral experiments involving 246 participants across 116,715 trials, culminating in the variMNIST dataset containing 19,943 systematically annotated images. Through personalized model alignment and adversarial generation, we establish a reliable method for simultaneously predicting and manipulating the divergent perceptual decisions of pairs of participants. This work bridges the gap between computational models and human individual difference research, providing new tools for personalized perception analysis.
- Abstract（参考訳）: 認知的タスクや日常生活における人間の意思決定は、タスクの難易度、個人の好み、個人的な経験などの要因によって形成される、かなりの多様性を示す。
この個人間の多様性を理解することは、不確実性と曖昧さに直面した時に人間が依存する知覚的および決定的メカニズムを明らかにするために不可欠である。
本稿では、ANNにおける知覚境界サンプリングと人間の行動実験を組み合わせて、この現象を体系的に研究するBAM(Boundary Alignment & Manipulation framework)を提案する。
我々の知覚境界サンプリングアルゴリズムは、ANN決定境界に沿って刺激を生成し、本質的に重要な知覚変数を誘導する。
これらの刺激の有効性は、116,715回の臨床試験で246人の参加者による大規模な行動実験を通じて実証的に検証され、19,943の体系的な注釈付き画像を含むVariMNISTデータセットで決定される。
パーソナライズされたモデルアライメントと敵生成により、ペアの知覚的決定を同時に予測し、操作するための信頼性の高い方法を確立する。
この研究は、計算モデルと人間の個人差の研究のギャップを埋め、パーソナライズされた知覚分析のための新しいツールを提供する。
関連論文リスト
- Learning to Represent Individual Differences for Choice Decision Making [37.97312716637515]
我々は、表現学習を用いて、経済的な意思決定タスクにおいて、人のパフォーマンスの個人差を特徴づける。
表現学習を用いて個人差を捉えたモデルは、決定予測を一貫して改善することを示した。
この結果から,表現学習は個人差を捉えるのに有用で柔軟なツールであることが示唆された。
論文 参考訳（メタデータ） (2025-03-27T17:10:05Z) - Exploring the Lands Between: A Method for Finding Differences between AI-Decisions and Human Ratings through Generated Samples [45.209635328908746]
生成モデルの潜在空間におけるサンプルを見つける手法を提案する。
これらのサンプルを意思決定モデルと人間のレーダの両方に提示することにより、その決定が人間の直感と一致する領域を特定することができる。
本手法を顔認識モデルに適用し,100人の被験者から11,200人の評価データを収集する。
論文 参考訳（メタデータ） (2024-09-19T14:14:08Z) - Offline Risk-sensitive RL with Partial Observability to Enhance
Performance in Human-Robot Teaming [1.3980986259786223]
本稿では,モデルの不確実性を取り入れ,リスクに敏感なシーケンシャルな意思決定を可能にする手法を提案する。
シミュレーションロボット遠隔操作環境において,26名の被験者を対象に実験を行った。
論文 参考訳（メタデータ） (2024-02-08T14:27:34Z) - Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。
既存の感受性研究は、自己報告された信念に大きく依存している。
本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
論文 参考訳（メタデータ） (2023-11-16T07:22:56Z) - Sensitivity-Aware Amortized Bayesian Inference [8.753065246797561]
感度分析は、様々なモデリング選択が統計的分析の結果に与える影響を明らかにする。
ニューラルネットワークを用いたシミュレーションベース推論に感度解析を統合するための多面的アプローチである感性認識型ベイズ推論(SA-ABI)を提案する。
本稿では,本手法が病気発生のダイナミクスや地球温暖化のしきい値から人的意思決定に至るまで,応用モデリング問題における有効性を示す。
論文 参考訳（メタデータ） (2023-10-17T10:14:10Z) - Variational Voxel Pseudo Image Tracking [127.46919555100543]
不確実性推定は、ロボット工学や自律運転といった重要な問題にとって重要なタスクである。
本稿では,3次元物体追跡のためのVoxel Pseudo Image Tracking (VPIT) の変分ニューラルネットワークによるバージョンを提案する。
論文 参考訳（メタデータ） (2023-02-12T13:34:50Z) - Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards
Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。
正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。
人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文 参考訳（メタデータ） (2022-01-27T22:15:56Z) - Unified Models of Human Behavioral Agents in Bandits, Contextual Bandits
and RL [28.38826379640553]
逐次的意思決定のためのより汎用的で柔軟なパラメトリック・フレームワークを提案する。
多くの精神疾患の既往の報酬処理異常にインスパイアされ、臨床にインスパイアされたエージェントは興味深い行動軌跡を示した。
論文 参考訳（メタデータ） (2020-05-10T01:43:39Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z)
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。