論文の概要: SpreadPy: A Python tool for modelling spreading activation and superdiffusion in cognitive multiplex networks
- arxiv url: http://arxiv.org/abs/2507.09628v1
- Date: Sun, 13 Jul 2025 13:49:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-15 18:48:23.660722
- Title: SpreadPy: A Python tool for modelling spreading activation and superdiffusion in cognitive multiplex networks
- Title（参考訳）: SpreadPy: 認知多重ネットワークにおける拡散活性化と過拡散をモデル化するPythonツール
- Authors: Salvatore Citraro, Edith Haim, Alessandra Carini, Cynthia S. Q. Siew, Giulio Rossetti, Massimo Stella,
- Abstract要約: SpreadPyは、認知単層ネットワークと多重ネットワークにおけるアクティベーションの拡散をシミュレートするPythonライブラリである。
シミュレーション結果を知識モデリングにおける基礎理論と比較することにより、SpreadPyは、アクティベーションダイナミクスが認知、心理学、臨床現象をどのように反映するかを体系的に研究することができる。
- 参考スコア（独自算出の注目度）: 37.818674505529984
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We introduce SpreadPy as a Python library for simulating spreading activation in cognitive single-layer and multiplex networks. Our tool is designed to perform numerical simulations testing structure-function relationships in cognitive processes. By comparing simulation results with grounded theories in knowledge modelling, SpreadPy enables systematic investigations of how activation dynamics reflect cognitive, psychological and clinical phenomena. We demonstrate the library's utility through three case studies: (1) Spreading activation on associative knowledge networks distinguishes students with high versus low math anxiety, revealing anxiety-related structural differences in conceptual organization; (2) Simulations of a creativity task show that activation trajectories vary with task difficulty, exposing how cognitive load modulates lexical access; (3) In individuals with aphasia, simulated activation patterns on lexical networks correlate with empirical error types (semantic vs. phonological) during picture-naming tasks, linking network structure to clinical impairments. SpreadPy's flexible framework allows researchers to model these processes using empirically derived or theoretical networks, providing mechanistic insights into individual differences and cognitive impairments. The library is openly available, supporting reproducible research in psychology, neuroscience, and education research.
- Abstract（参考訳）: 認知単層ネットワークとマルチプレックスネットワークにおけるアクティベーションの拡散をシミュレートするPythonライブラリとして,SpreadPyを導入する。
本ツールは,認知過程における構造-機能関係をテストする数値シミュレーションを行うように設計されている。
シミュレーション結果を知識モデリングにおける基礎理論と比較することにより、SpreadPyは、アクティベーションダイナミクスが認知、心理学、臨床現象をどのように反映するかの体系的な研究を可能にする。
本研究は,(1) 連想的知識ネットワーク上でのアクティベーションの拡散は,高・低数学的不安を持つ学生を識別し,概念的組織における不安に関連する構造的差異を明らかにすること,(2) 創造的タスクのシミュレーションは,アクティベーショントラジェクトリが課題の難しさと異なること,(3) 認知的負荷が語彙的アクセスをどう調節するかを明らかにすること,(3) 失語症では,語彙ネットワーク上でのシミュレートされたアクティベーションパターンは,画像命名作業中に経験的エラータイプ(セマンティック対音声学)と相関し,ネットワーク構造と臨床的障害をリンクする,の3つのケーススタディで実証する。
SpreadPyの柔軟なフレームワークにより、研究者は経験的に導かれたまたは理論的なネットワークを使ってこれらのプロセスをモデル化することができ、個人差と認知障害に関する機械的な洞察を提供する。
この図書館は公開されており、心理学、神経科学、教育研究における再現可能な研究を支援している。
関連論文リスト
- Discovering Chunks in Neural Embeddings for Interpretability [53.80157905839065]
本稿では, チャンキングの原理を応用して, 人工神経集団活動の解釈を提案する。
まず、この概念を正則性を持つ人工シーケンスを訓練したリカレントニューラルネットワーク(RNN)で実証する。
我々は、これらの状態に対する摂動が関連する概念を活性化または阻害すると共に、入力における概念に対応する同様の繰り返し埋め込み状態を特定する。
論文 参考訳（メタデータ） (2025-02-03T20:30:46Z) - Latent Variable Sequence Identification for Cognitive Models with Neural Network Estimators [7.7227297059345466]
本稿では,ニューラルベイズ推定を拡張して,実験データと対象変数空間との直接マッピングを学習する手法を提案する。
我々の研究は、リカレントニューラルネットワークとシミュレーションベースの推論を組み合わせることで、潜在変数配列を特定することで、研究者がより広範な認知モデルにアクセスできるようになることを強調している。
論文 参考訳（メタデータ） (2024-06-20T21:13:39Z) - Deep Latent Variable Modeling of Physiological Signals [0.8702432681310401]
潜時変動モデルを用いた生理モニタリングに関する高次元問題について検討する。
まず、光学的に得られた信号を入力として、心の電気波形を生成するための新しい状態空間モデルを提案する。
次に,確率的グラフィカルモデルの強みと深い敵対学習を組み合わせた脳信号モデリング手法を提案する。
第3に,生理的尺度と行動の合同モデリングのための枠組みを提案する。
論文 参考訳（メタデータ） (2024-05-29T17:07:33Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - The dynamic interplay between in-context and in-weight learning in humans and neural networks [15.744573869783972]
In-context Learning" (ICL) は、ニューラルネットワークに固有のIWLと共存可能な、根本的に異なる学習特性を持たせることができることを示す。
我々の研究は、創発的なICLが、そのネイティブなIWLと共存可能な、根本的に異なる学習特性を持つニューラルネットワークをどのように装備できるかを示している。
論文 参考訳（メタデータ） (2024-02-13T18:55:27Z) - Understanding Activation Patterns in Artificial Neural Networks by
Exploring Stochastic Processes [0.0]
我々はこれまで未利用であったプロセスの枠組みを活用することを提案する。
我々は、実際のニューロンスパイク列車に使用される神経科学技術を活用した、アクティベーション周波数のみに焦点をあてる。
各ネットワークにおけるアクティベーションパターンを記述するパラメータを導出し、アーキテクチャとトレーニングセット間で一貫した差異を明らかにする。
論文 参考訳（メタデータ） (2023-08-01T22:12:30Z) - Decoding Neural Activity to Assess Individual Latent State in
Ecologically Valid Contexts [1.1059590443280727]
2つの高度に制御された実験室のパラダイムからのデータを用いて、2つの異なるドメイン一般化モデルを訓練する。
我々は、下層の潜伏状態と関連する神経活動パターンを推定する。
論文 参考訳（メタデータ） (2023-04-18T15:15:00Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Functional2Structural: Cross-Modality Brain Networks Representation
Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。
本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。
臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文 参考訳（メタデータ） (2022-05-06T03:45:36Z) - Backprop-Free Reinforcement Learning with Active Neural Generative
Coding [84.11376568625353]
動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。
我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。
我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
論文 参考訳（メタデータ） (2021-07-10T19:02:27Z)
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。