論文の概要: Network-Specific Models for Multimodal Brain Response Prediction

• arxiv url: http://arxiv.org/abs/2508.06499v1
• Date: Fri, 25 Jul 2025 10:21:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-17 22:58:06.135727
• Title: Network-Specific Models for Multimodal Brain Response Prediction
• Title（参考訳）: マルチモーダル脳反応予測のためのネットワーク特異的モデル
• Authors: Andrea Corsico, Giorgia Rigamonti, Simone Zini, Luigi Celona, Paolo Napoletano,
• Abstract要約: 複雑なマルチモーダル映画に対する脳反応を予測するためのネットワーク固有のアプローチを提案する。 7つの機能的ネットワークを4つのクラスタに分類し,それぞれにマルチオブジェクト,マルチ層パーセプトロン(MLP)モデルをトレーニングした。
• 参考スコア（独自算出の注目度）: 8.917658919896349
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we present a network-specific approach for predicting brain responses to complex multimodal movies, leveraging the Yeo 7-network parcellation of the Schaefer atlas. Rather than treating the brain as a homogeneous system, we grouped the seven functional networks into four clusters and trained separate multi-subject, multi-layer perceptron (MLP) models for each. This architecture supports cluster-specific optimization and adaptive memory modeling, allowing each model to adjust temporal dynamics and modality weighting based on the functional role of its target network. Our results demonstrate that this clustered strategy significantly enhances prediction accuracy across the 1,000 cortical regions of the Schaefer atlas. The final model achieved an eighth-place ranking in the Algonauts Project 2025 Challenge, with out-of-distribution (OOD) correlation scores nearly double those of the baseline model used in the selection phase. Code is available at https://github.com/Corsi01/algo2025.
• Abstract（参考訳）: 本研究では,ショーファーアトラスのYeo 7-network解析を利用して,複雑なマルチモーダル映画に対する脳反応を予測するためのネットワーク固有のアプローチを提案する。 脳を均質なシステムとして扱うのではなく、7つの機能的ネットワークを4つのクラスタに分類し、それぞれに個別の多目的多層パーセプトロン(MLP)モデルを訓練した。 このアーキテクチャはクラスタ固有の最適化と適応メモリモデリングをサポートし、各モデルがターゲットネットワークの機能的役割に基づいて時間的ダイナミクスとモダリティ重み付けを調整することができる。 以上の結果から,このクラスター化戦略はシェーファーアトラスの1000大脳皮質領域における予測精度を著しく向上させることが示された。 最終モデルは、Algonauts Project 2025 Challengeで8位にランクインし、アウト・オブ・ディストリビューション(OOD)の相関スコアは、選択段階で使用されたベースラインモデルのほぼ2倍となった。 コードはhttps://github.com/Corsi01/algo2025で公開されている。

関連論文リスト

• Multi-Strategy Improved Snake Optimizer Accelerated CNN-LSTM-Attention-Adaboost for Trajectory Prediction [9.489729227685057]
  本稿では,マルチストラテジー改良型スネークハード最適化(SO)アルゴリズムを取り入れたハイブリッドCNN-LSTM-attention-adaboostニューラルネットワークモデルを提案する。 その結果,SO-adaboostは粒子群,クジラ,オオカミなどの従来のCLAよりも大規模な高次元軌道データの処理に優れていた。 さらに、フルストラテジー協調改善SOアルゴリズムの導入により、モデルの予測精度は39.89%向上した。
  論文  参考訳（メタデータ） (2025-07-21T17:44:06Z)
• Towards Optimal Customized Architecture for Heterogeneous Federated Learning with Contrastive Cloud-Edge Model Decoupling [20.593232086762665]
  フェデレートラーニングは、有望な分散学習パラダイムとして、中央データ収集を必要とせずに、複数のネットワークエッジクライアントにわたるグローバルモデルの協調トレーニングを可能にする。 我々はFedCMDと呼ばれる新しいフェデレーション学習フレームワークを提案する。 私たちのモチベーションは、パーソナライズされた頭として異なるニューラルネットワーク層を選択するパフォーマンスを深く調査することで、現在の研究でパーソナライズされた頭として最後の層を厳格に割り当てることが常に最適であるとは限らない、ということです。
  論文  参考訳（メタデータ） (2024-03-04T05:10:28Z)
• SortedNet: A Scalable and Generalized Framework for Training Modular Deep Neural Networks [30.069353400127046]
  我々は、ディープニューラルネットワーク(DNN)の固有のモジュラリティを活用するためにSortedNetを提案する。 SortedNetは、メインモデルのトレーニングと同時にサブモデルのトレーニングを可能にする。 一度に160台のサブモデルを訓練でき、オリジナルのモデルの性能の少なくとも96%を達成できる。
  論文  参考訳（メタデータ） (2023-09-01T05:12:25Z)
• Telematics Combined Actuarial Neural Networks for Cross-Sectional and Longitudinal Claim Count Data [0.0]
  本稿では,Mario W"uthrich と Michael Merz が提案した,CANN (Combined Actuarial Network) フレームワークに基づく自動車保険の断面的および縦断的請求数モデルを提案する。
  論文  参考訳（メタデータ） (2023-08-03T12:40:44Z)
• Layer-wise Linear Mode Connectivity [52.6945036534469]
  ニューラルネットワークパラメータの平均化は、2つの独立したモデルの知識の直感的な方法である。 フェデレートラーニングにおいて最も顕著に用いられている。 私たちは、単一グループやグループを平均化するモデルの性能を分析します。
  論文  参考訳（メタデータ） (2023-07-13T09:39:10Z)
• WLD-Reg: A Data-dependent Within-layer Diversity Regularizer [98.78384185493624]
  ニューラルネットワークは、勾配に基づく最適化と共同で訓練された階層構造に配置された複数の層で構成されている。 我々は、この従来の「中間層」フィードバックを補うために、同じ層内での活性化の多様性を促進するために、追加の「中間層」フィードバックを補うことを提案する。 本稿では,提案手法が複数のタスクにおける最先端ニューラルネットワークモデルの性能を向上させることを実証した広範な実証研究を提案する。
  論文  参考訳（メタデータ） (2023-01-03T20:57:22Z)
• Multi-Scale Semantics-Guided Neural Networks for Efficient Skeleton-Based Human Action Recognition [140.18376685167857]
  スケルトンに基づく行動認識には,単純なマルチスケールセマンティクス誘導ニューラルネットワークが提案されている。 MS-SGNは、NTU60、NTU120、SYSUデータセットの最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-11-07T03:50:50Z)
• A Battle of Network Structures: An Empirical Study of CNN, Transformer, and MLP [121.35904748477421]
  畳み込みニューラルネットワーク(CNN)は、コンピュータビジョンのための支配的なディープニューラルネットワーク(DNN)アーキテクチャである。 トランスフォーマーとマルチ層パーセプトロン(MLP)ベースのモデル(Vision TransformerやVision-Mixer)が新しいトレンドを導い始めた。 本稿では,これらのDNN構造について実証的研究を行い,それぞれの長所と短所を理解しようとする。
  論文  参考訳（メタデータ） (2021-08-30T06:09:02Z)
• ANNETTE: Accurate Neural Network Execution Time Estimation with Stacked Models [56.21470608621633]
  本稿では,アーキテクチャ検索を対象ハードウェアから切り離すための時間推定フレームワークを提案する。 提案手法は,マイクロカーネルと多層ベンチマークからモデルの集合を抽出し,マッピングとネットワーク実行時間推定のためのスタックモデルを生成する。 生成した混合モデルの推定精度と忠実度, 統計モデルとルーフラインモデル, 評価のための洗練されたルーフラインモデルを比較した。
  論文  参考訳（メタデータ） (2021-05-07T11:39:05Z)
• Sequential Neural Networks for Noetic End-to-End Response Selection [4.996858281980058]
  本稿では,この課題の下で両データセットの上位1位にランクされたシステムについて述べる。 多ターン応答選択のための連鎖列のみに基づく逐次マッチングモデルについて検討する。 この結果から, 逐次マッチング手法のポテンシャルは, 多ターン応答選択においてまだ十分に活用されていないことが示唆された。
  論文  参考訳（メタデータ） (2020-03-03T04:36:33Z)
• Model Fusion via Optimal Transport [64.13185244219353]
  ニューラルネットワークのための階層モデル融合アルゴリズムを提案する。 これは、不均一な非i.d.データに基づいてトレーニングされたニューラルネットワーク間での"ワンショット"な知識伝達に成功していることを示す。
  論文  参考訳（メタデータ） (2019-10-12T22:07:15Z)

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。