論文の概要: Torus Graphs for Large Scale Neural Phase Analysis

• arxiv url: http://arxiv.org/abs/2606.00496v1
• Date: Sat, 30 May 2026 02:56:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.490187
• Title: Torus Graphs for Large Scale Neural Phase Analysis
• Title（参考訳）: 大規模神経相解析のためのトーラスグラフ
• Abstract要約: 数千の変数を持つデータセットの推論を可能にするために,レート毎のコストを$mathcalO(d2)$に削減するスコアマッチング手順を導入する。 このスケーラブルな基盤は、マルチ電極LFPからの1,860の周波数位相の特徴の分析をサポートし、TGや古典的な円形統計に以前はアクセスできない2つの拡張を可能にする。
• 参考スコア（独自算出の注目度）: 1.4018975578160686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Oscillatory neural signals such as electroencephalography (EEG) and local field potentials (LFPs) show phase relationships that coordinate communication across brain regions. Modern recordings capture hundreds of channels across many frequency bins, yet standard phase analyses are restricted to only a few variables. The Torus Graph (TG) model, an exponential-family distribution over phases whose univariate and pairwise potentials generalize von Mises distributions, infers principled structure among oscillations but models only static, undirected dependencies and is limited to $\sim \! 100$ variables because its score matching inference scales as $\mathcal{O}(d^{6})$. We introduce a stochastic score matching procedure that reduces the per-iteration cost to $\mathcal{O}(d^{2})$, enabling inference on datasets with thousands of variables. This scalable foundation supports analyses of 1,860 frequency-phase features from multi-electrode LFPs and enables two extensions previously inaccessible to TGs or classical circular statistics: (i) a TG Hidden Markov Model capturing state-dependent phase-coupling changes (e.g., spindle-related states during sleep) and (ii) an autoregressive TG inferring directional interactions via transfer-entropy estimation. Applied to LFP recordings, these models reveal state-dependent phase-interaction patterns between wakefulness and NREM sleep. Together, they enable systematic, large-scale mapping of dynamic and directional phase relationships across brain and cognitive states.
• Abstract（参考訳）: 脳波(EEG)や局所野電位(LFP)などの振動性神経信号は、脳領域間のコミュニケーションを協調する相関係を示す。 現代の記録は多くの周波数ビンをまたいだ数百のチャネルをキャプチャするが、標準的な位相解析は少数の変数に制限されている。 トーラスグラフ(TG)モデルは、単変量および対ポテンシャルがフォン・ミーゼス分布を一般化する位相上の指数族分布であり、振動の原理的構造を推論するが、モデルは静的な非方向依存のみを推論し、$\sim \! 100$変数は、スコアマッチング推論が$\mathcal{O}(d^{6})$にスケールするためである。 本稿では,数千変数のデータセットに対する推論を可能にする確率的スコアマッチング手法を導入し,レート当たりのコストを$\mathcal{O}(d^{2})$に削減する。 このスケーラブルな基盤は、マルチ電極LFPからの1,860の周波数位相の特徴の分析をサポートし、TGや古典的な円形統計に以前はアクセスできない2つの拡張を可能にする。 (i)状態依存型位相カップリング変化(例えば、睡眠中のスピンドル関連状態)を捉えたTG隠れマルコフモデル (II)移動エントロピー推定による方向性相互作用を推定する自己回帰的TG。 LFP記録に応用すると、これらのモデルではウェイクフルネスとNREM睡眠の間の状態依存性の位相相互作用パターンが明らかになる。 同時に、脳と認知状態をまたいだ動的・指向的な位相関係の体系的、大規模なマッピングを可能にする。

関連論文リスト

• B[FM]$^2$: Brain Foundation Model via Flow Matching with SplitUNet [33.19680160939894]
  マルチチャネル脳波信号は、フローマッチングにアーキテクチャ上の課題をもたらす。 SplitUNetは各ブロックを1次元の時間的および1次元の電極畳み込みとダウンサンプルに分解する。 B[FM]$2$は、9つの標準下流脳波分類タスクのうち7つに新しい状態を設定する。
  論文  参考訳（メタデータ） (2026-06-18T18:01:26Z)
• Generative Criticality in Large Language Model Temperature Scaling [3.472734054649125]
  大規模言語モデル(LLM)によって生成されるテキストの統計的フィールドフレームワークを提案する。 接続された2点相関器からの感受性と、アンサンブル平均埋め込み場からの順序パラメータを定義する。 パワーローのようなスケーリング,順序パラメータの同時変化,T_c$以下の1つの意味的方向への崩壊といった特徴を持つ$T_c$近傍の鋭い感受性ピークを観測した。
  論文  参考訳（メタデータ） (2026-06-04T14:43:32Z)
• When do complex-valued neural networks help? A study of representation, geometry, and optimization [1.4935265696074094]
  複雑な数値入力だけでは、複雑な算術が学習を改善するかどうかを判断できないことを示す。 合成RFタスク全体において、複素表現は有用であるが、普遍的に優れているものではない。 CVNNは、表現、対称性、最適化に依存している構造的帰納バイアスと見なされる。
  論文  参考訳（メタデータ） (2026-05-26T20:49:23Z)
• Compact Latent Manifold Translation: A Parameter-Efficient Foundation Model for Cross-Modal and Cross-Frequency Physiological Signal Synthesis [4.672369796753925]
  既存の基礎モデルは、しばしば重度のモダリティの絡み合いに苦しむ連続潜在空間に依存している。 本稿では,これらのギャップを埋める高パラメータ効率(0.09B)統一フレームワークであるコンパクト潜時翻訳(CLMT)を提案する。 計算フットプリントのごく一部で生物学的信号の普遍的な離散言語を学習することにより、我々はエッジ展開可能な多要素医療基盤モデルのための新しい軌道を定めている。
  論文  参考訳（メタデータ） (2026-05-13T09:31:36Z)
• Distance learning from projective measurements as an information-geometric probe of many-body physics [0.0]
  現代の量子シミュレーターは単発射影「スナップショット」の大きなアンサンブルを生成する このような表現学習は遠距離学習に有利である。 我々は、Csiszar f-divergences(分布間の統計的距離)を教師なしの方法で推定するために、単一の神経判別器を使用する。
  論文  参考訳（メタデータ） (2026-03-13T18:03:28Z)
• On the Mechanism and Dynamics of Modular Addition: Fourier Features, Lottery Ticket, and Grokking [49.1352577985191]
  本稿では,2層ニューラルネットワークがモジュール追加タスクを解くために,機能をどのように学習するかを包括的に分析する。 我々の研究は、学習したモデルの完全な機械論的解釈と、その訓練力学の理論的説明を提供する。
  論文  参考訳（メタデータ） (2026-02-18T20:25:13Z)
• Moving Beyond Functional Connectivity: Time-Series Modeling for fMRI-Based Brain Disorder Classification [8.837732238971187]
  機能的磁気共鳴イメージング(fMRI)は、血液酸素レベル依存(BOLD)シグナルをキャプチャすることで、非侵襲的な脳障害の分類を可能にする。 既存のほとんどの手法はピアソン相関による機能接続(FC)に依存している。 5つの公開データセットにまたがる生のBOLD信号に関する最先端の時間モデルをベンチマークする。
  論文  参考訳（メタデータ） (2026-02-09T04:42:42Z)
• CodeBrain: Towards Decoupled Interpretability and Multi-Scale Architecture for EEG Foundation Model [52.466542039411515]
  EEGファウンデーションモデル(EFM)は、タスク固有のモデルのスケーラビリティ問題に対処するために登場した。 このギャップを埋めるために設計された2段階のEMFであるCodeBrainを紹介します。 第1段階では、異種時間・周波数の脳波信号を離散トークンに分解するTFDual-Tokenizerを導入する。 第2段階では、構造化されたグローバル畳み込みとスライディングウインドウの注意を結合したマルチスケールEEGSSMアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-06-10T17:20:39Z)
• KPZ scaling from the Krylov space [83.88591755871734]
  近年,Cardar-Parisi-Zhangスケーリングをリアルタイムの相関器や自動相関器に示す超拡散が報告されている。 これらの結果から着想を得て,Krylov演算子に基づく相関関数のKPZスケーリングについて検討する。
  論文  参考訳（メタデータ） (2024-06-04T20:57:59Z)
• Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models [49.81937966106691]
  我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。 従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
  論文  参考訳（メタデータ） (2023-06-15T16:30:08Z)
• Score-based Causal Representation Learning with Interventions [54.735484409244386]
  本稿では,潜在因果変数を間接的に観察する際の因果表現学習問題について検討する。 目的は、 (i) 未知の線形変換(スケーリングまで)を回復し、 (ii) 潜在変数の下の有向非巡回グラフ(DAG)を決定することである。
  論文  参考訳（メタデータ） (2023-01-19T18:39:48Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)
• Model of level statistics for disordered interacting quantum many-body systems [0.0]
  我々は、量子多体系の乱れのレベル統計を数値的に研究する。 固有値$h$間の効果的な相互作用の範囲は、Thouless時間に関係していることを示す。
  論文  参考訳（メタデータ） (2019-07-24T10:01:03Z)

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。