論文の概要: BACE: Behavior-Adaptive Connectivity Estimation for Interpretable Graphs of Neural Dynamics

• arxiv url: http://arxiv.org/abs/2510.20831v1
• Date: Sat, 11 Oct 2025 22:48:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 05:35:45.919596
• Title: BACE: Behavior-Adaptive Connectivity Estimation for Interpretable Graphs of Neural Dynamics
• Title（参考訳）: BACE:ニューラルダイナミクスの解釈可能なグラフに対する行動適応接続性推定
• Authors: Mehrnaz Asadi, Sina Javadzadeh, Rahil Soroushmojdehi, S. Alireza Seyyed Mousavi, Terence D. Sanger,
• Abstract要約: 本稿では,位相特異的な指向的な地域間接続を学習するエンド・ツー・エンド・エンド・フレームワークである振舞い適応接続性推定(BACE)を紹介する。 BACEは、各解剖学的領域内の多くの微小接触を、地域ごとの時間エンコーダを介して集約する。 それぞれの行動フェーズに固有の学習可能な隣接性を適用し、予測目標に基づいてトレーニングされる。
• 参考スコア（独自算出の注目度）: 0.11744028458220425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how distributed brain regions coordinate to produce behavior requires models that are both predictive and interpretable. We introduce Behavior-Adaptive Connectivity Estimation (BACE), an end-to-end framework that learns phase-specific, directed inter-regional connectivity directly from multi-region intracranial local field potentials (LFP). BACE aggregates many micro-contacts within each anatomical region via per-region temporal encoders, applies a learnable adjacency specific to each behavioral phase, and is trained on a forecasting objective. On synthetic multivariate time series with known graphs, BACE accurately recovers ground-truth directed interactions while achieving forecasting performance comparable to state-of-the-art baselines. Applied to human subcortical LFP recorded simultaneously from eight regions during a cued reaching task, BACE yields an explicit connectivity matrix for each within-trial behavioral phase. The resulting behavioral phase-specific graphs reveal behavior-aligned reconfiguration of inter-regional influence and provide compact, interpretable adjacency matrices for comparing network organization across behavioral phases. By linking predictive success to explicit connectivity estimates, BACE offers a practical tool for generating data-driven hypotheses about the dynamic coordination of subcortical regions during behavior.
• Abstract（参考訳）: 分散脳領域が行動を生成するためにどのように協調するかを理解するには、予測的かつ解釈可能なモデルが必要である。 本稿では,複数領域の頭蓋内局所電位(LFP)から直接位相特異的かつ指向的な地域間接続を学習するエンド・ツー・エンドのフレームワークである行動適応接続性推定(BACE)を紹介する。 BACEは、各解剖領域内の多くの微小接触を、地域ごとの時間エンコーダを介して集約し、各行動相に特有の学習可能な隣接性を適用し、予測目標に基づいて訓練する。 既知のグラフを持つ合成多変量時系列において、BACEは、最先端のベースラインに匹敵する予測性能を達成しつつ、接地トラスト指向の相互作用を正確に回復する。 キュートリーチタスク中に8つの領域から同時に記録されたヒト皮質下葉LFPに対して、BACEは、心房内行動相ごとに明示的な接続マトリックスを生成する。 結果として生じる行動相特化グラフは、地域間影響の行動整合性を再設定し、行動相間でネットワーク組織を比較するためのコンパクトで解釈可能な隣接行列を提供する。 予測成功と明示的な接続推定をリンクすることにより、BACEは行動中の皮質下領域の動的調整に関するデータ駆動仮説を生成する実用的なツールを提供する。

関連論文リスト

• Zero-Shot EEG-to-Gait Decoding via Phase-Aware Representation Learning [9.49131859415923]
  ドメイン一般化型脳波-モーションデコーディングフレームワークであるNeuroDyGaitを提案する。 構造化されたコントラスト表現学習とリレーショナルドメインモデリングを使用して、脳波とモーション埋め込みのセマンティックアライメントを実現する。 ベンチマークデータセットのクロスオブジェクト歩行復号における適応や優れた性能を必要とせずに、見えない個人に対するゼロショットモーション予測を実現する。
  論文  参考訳（メタデータ） (2025-06-24T06:03:49Z)
• TrajPRed: Trajectory Prediction with Region-based Relation Learning [11.714283460714073]
  本研究では,交通現場における人的軌跡予測のための地域型関係学習パラダイムを提案する。 社会的相互作用は、グローバルな視点から、局所的な関節情報の時間的変化を関連づけることでモデル化される。 予測枠組みにおいて,マルチゴール推定と地域関係学習を統合し,2つの刺激,社会的相互作用,目標をモデル化する。
  論文  参考訳（メタデータ） (2024-04-10T12:31:43Z)
• Learning Complete Topology-Aware Correlations Between Relations for Inductive Link Prediction [121.65152276851619]
  関係性間の意味的相関は本質的にエッジレベルとエンティティ非依存であることを示す。 本研究では,関係関係のトポロジ・アウェア・コレレーションをモデル化するための新しいサブグラフベース手法,TACOを提案する。 RCNのポテンシャルをさらに活用するために, 完全コモンニアインダストリアルサブグラフを提案する。
  論文  参考訳（メタデータ） (2023-09-20T08:11:58Z)
• Improving Neural Additive Models with Bayesian Principles [54.29602161803093]
  ニューラル加算モデル(NAM)は、個別の加算サブネットワークでキャリブレーションされた入力特徴を扱うことにより、ディープニューラルネットワークの透明性を高める。 本研究では,Laplace-approximated NAM (LA-NAMs) を開発した。
  論文  参考訳（メタデータ） (2023-05-26T13:19:15Z)
• Parallel Reasoning Network for Human-Object Interaction Detection [53.422076419484945]
  並列推論ネットワーク(PR-Net)というトランスフォーマーに基づく新しい手法を提案する。 PR-Netは、インスタンスレベルのローカライゼーションと関係レベルの理解のための2つの独立した予測器を構築する。 我々のPR-NetはHICO-DETとV-COCOベンチマークで競合する結果を得た。
  論文  参考訳（メタデータ） (2023-01-09T17:00:34Z)
• DIDER: Discovering Interpretable Dynamically Evolving Relations [14.69985920418015]
  本稿では,内在的解釈可能性を備えた汎用的なエンドツーエンドインタラクションモデリングフレームワークであるDIDER,Discovering Interpretable Dynamically Evolving Relationsを紹介する。 合成と実世界の両方のデータセット上でDIDERを評価する。
  論文  参考訳（メタデータ） (2022-08-22T20:55:56Z)
• EvolveGraph: Multi-Agent Trajectory Prediction with Dynamic Relational Reasoning [41.42230144157259]
  本稿では,関係構造を明示的に認識し,潜在相互作用グラフによる予測を行う汎用軌道予測フレームワークを提案する。 将来の行動の不確実性を考慮すると、モデルはマルチモーダルな予測仮説を提供するように設計されている。 トレーニング効率を向上し、収束を加速するだけでなく、モデル性能も向上する2段トレーニングパイプラインを導入する。
  論文  参考訳（メタデータ） (2020-03-31T02:49:23Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。