論文の概要: PriorProbe: Recovering Individual-Level Priors for Personalizing Neural Networks in Facial Expression Recognition
- arxiv url: http://arxiv.org/abs/2602.03882v1
- Date: Tue, 03 Feb 2026 02:15:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-05 19:45:11.194936
- Title: PriorProbe: Recovering Individual-Level Priors for Personalizing Neural Networks in Facial Expression Recognition
- Title（参考訳）: PriorProbe: 表情認識におけるニューラルネットワークのパーソナライズのための個別レベル優先事項の検索
- Authors: Haijiang Yan, Nick Chater, Adam Sanborn,
- Abstract要約: PriorProbeはMarkov Chain Monte Carlo with Peopleをベースとした,斬新なエレキュベーションアプローチだ。
我々は、回復した先行情報を最先端のニューラルネットワークに統合することで、あいまいな刺激に対する個人の分類を予測する能力を向上させるかどうかを検証した。
- 参考スコア（独自算出の注目度）: 1.399348653165494
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Incorporating individual-level cognitive priors offers an important route to personalizing neural networks, yet accurately eliciting such priors remains challenging: existing methods either fail to uniquely identify them or introduce systematic biases. Here, we introduce PriorProbe, a novel elicitation approach grounded in Markov Chain Monte Carlo with People that recovers fine-grained, individual-specific priors. Focusing on a facial expression recognition task, we apply PriorProbe to individual participants and test whether integrating the recovered priors with a state-of-the-art neural network improves its ability to predict an individual's classification on ambiguous stimuli. The PriorProbe-derived priors yield substantial performance gains, outperforming both the neural network alone and alternative sources of priors, while preserving the network's inference on ground-truth labels. Together, these results demonstrate that PriorProbe provides a general and interpretable framework for personalizing deep neural networks.
- Abstract（参考訳）: 個人レベルの認知的事前を組み込むことは、ニューラルネットワークをパーソナライズする上で重要な道筋を提供するが、そのような事前を正確に引き出すことは依然として困難である。
ここでは,マルコフ・チェイン・モンテカルロ(Markov Chain Monte Carlo)を基盤とした,個人固有の精密な先駆的アプローチであるPreside Probeを紹介する。
表情認識タスクに焦点をあてて、各参加者にPreferProbeを適用し、回復した事前情報を最先端のニューラルネットワークに組み込むことで、あいまいな刺激に対する個人の分類を予測する能力を向上させる。
PriorProbeから派生したプリエントは、ニューラルネットワーク単独とオルタナティブなプリエントソースの両方を上回り、グランドトルースラベルに対するネットワークの推論を保っている。
これらの結果から、PreferProbeはディープニューラルネットワークをパーソナライズするための汎用的で解釈可能なフレームワークを提供することが示された。
関連論文リスト
- Faster Predictive Coding Networks via Better Initialization [52.419343840654186]
本稿では,従来のトレーニングサンプルの反復的進捗を抑えることを目的とした,予測符号化ネットワークのための新しい手法を提案する。
本実験は,教師なし設定と教師なし設定の両方において,収束速度と最終テスト損失が大幅に改善されたことを示す。
論文 参考訳（メタデータ） (2026-01-28T08:52:19Z) - NeuroSep-CP-LCB: A Deep Learning-based Contextual Multi-armed Bandit Algorithm with Uncertainty Quantification for Early Sepsis Prediction [9.292433273395782]
患者固有の報酬関数をコンテキスト型マルチアームバンディット設定でモデル化することを目的としている。
目標は、患者固有の臨床的特徴を活用して、不確実性のある意思決定を最適化することである。
本稿では,ニューロセプCP-LCBを提案する。ニューロセプCP-LCBは,ニューロセプCP-LCBは,ニューラルネットワークと文脈的包帯との新たな統合であり,早期のセプシス検出に適したコンフォメーション予測である。
論文 参考訳（メタデータ） (2025-03-20T21:02:49Z) - Learning Expressive Priors for Generalization and Uncertainty Estimation
in Neural Networks [77.89179552509887]
本稿では,ディープニューラルネットワークにおける一般化と不確実性推定を推し進める新しい事前学習手法を提案する。
キーとなる考え方は、ニューラルネットワークのスケーラブルで構造化された後部を、一般化を保証する情報的事前として活用することである。
本研究では,不確実性推定と一般化における本手法の有効性を徹底的に示す。
論文 参考訳（メタデータ） (2023-07-15T09:24:33Z) - TANGOS: Regularizing Tabular Neural Networks through Gradient
Orthogonalization and Specialization [69.80141512683254]
TANGOS(Tbular Neural Gradient Orthogonalization and gradient)を紹介する。
TANGOSは、潜在ユニット属性上に構築された表の設定を正規化するための新しいフレームワークである。
提案手法は,他の一般的な正規化手法よりも優れ,サンプル外一般化性能の向上につながることを実証する。
論文 参考訳（メタデータ） (2023-03-09T18:57:13Z) - Ensembling Neural Networks for Improved Prediction and Privacy in Early
Diagnosis of Sepsis [13.121103500410156]
ニューラルネットワークを組み立てることは、ニューラルネットワークの一般化エラーを改善する技術である。
この手法は医療データに対する機械学習に最適であることを示す。
より大規模なデータセットでトレーニングされた単一のモデルよりも優れた、いくつかの選択された患者固有のモデルのアンサンブルを構築することができることを示す。
論文 参考訳（メタデータ） (2022-09-01T13:24:14Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳（メタデータ） (2022-02-01T17:11:13Z) - Learning Personal Representations from fMRIby Predicting Neurofeedback
Performance [52.77024349608834]
機能的MRI(fMRI)によって導かれる自己神経変調タスクを行う個人のための個人表現を学習するためのディープニューラルネットワーク手法を提案する。
この表現は、直近のfMRIフレームが与えられた次のfMRIフレームにおける扁桃体活動を予測する自己教師型リカレントニューラルネットワークによって学習され、学習された個々の表現に条件付けされる。
論文 参考訳（メタデータ） (2021-12-06T10:16:54Z) - BNNpriors: A library for Bayesian neural network inference with
different prior distributions [32.944046414823916]
bnnpriorsはベイズニューラルネットワーク上で最先端のマルコフ連鎖モンテカルロ推論を可能にする。
これは、新しいカスタムプリエントの設計と実装を容易にするモジュラーアプローチに従っている。
ベイズ系ニューラルネットワークにおける冷後効果の性質に関する基礎的発見を容易にした。
論文 参考訳（メタデータ） (2021-05-14T17:11:04Z) - Blind Image Restoration with Flow Based Priors [19.190289348734215]
未知の劣化を伴う盲点において、優れた先行性は依然として不可欠である。
本稿では, 正規化フローを用いて対象コンテンツの分布をモデル化し, 最大アフターリ(MAP)の定式化に先立ってこれを前もって用いることを提案する。
我々の知る限りでは、これは画像強調問題に先行する正規化フローを探求する最初の研究である。
論文 参考訳（メタデータ） (2020-09-09T21:40:11Z) - Learning from Failure: Training Debiased Classifier from Biased
Classifier [76.52804102765931]
ニューラルネットワークは、所望の知識よりも学習が簡単である場合にのみ、素早い相関に依存することを学習していることを示す。
本稿では,一対のニューラルネットワークを同時にトレーニングすることで,障害に基づくデバイアス化手法を提案する。
本手法は,合成データセットと実世界のデータセットの両方において,各種バイアスに対するネットワークのトレーニングを大幅に改善する。
論文 参考訳（メタデータ） (2020-07-06T07:20:29Z)
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。