論文の概要: Decoding EEG Signals to Explore Next-Word Predictability in the Human Brain

• arxiv url: http://arxiv.org/abs/2607.18321v1
• Date: Fri, 17 Jul 2026 23:19:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.181299
• Title: Decoding EEG Signals to Explore Next-Word Predictability in the Human Brain
• Title（参考訳）: 脳波信号をデコードして人間の脳における次の単語予測可能性を探る
• Authors: Boi Mai Quach, Binh T. Nguyen, Cathal Gurrin, Graham Healy,
• Abstract要約: 本研究はボトムアップ(高次言語構造に関連する)とトップダウン(次単語予測可能性に関する)プロセスの基礎となる神経機構の実証的証拠を提供する。 脳波計(EEG)を用いたミリ秒分解能で記録された脳反応の予測可能性への影響について検討した。 以上の結果から,N400応答の高次と低次クローゼ確率の有意差は,機能語よりも内容語に対して顕著であった。
• 参考スコア（独自算出の注目度）: 3.1487162256026573
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Humans invented reading and have passed down this complex skill across generations through language. This study provides empirical evidence of the neural mechanisms underlying bottom-up (related to high-order linguistic structure) and top-down (related to next-word predictability) processes, which interact to guide comprehension during reading. While previous studies have focused on either the N400 effects of predictability or lexical categories, research on how predictability influences N400 responses across different lexical categories is limited, mainly due to constraints in publicly available datasets. Here, we examine how predictability influences brain responses, recorded at millisecond resolution using electroencephalography (EEG), with a focus on the N400 time window (300-500 ms post-stimulus) across different lexical and grammatical categories. Our results indicate that significant differences in N400 responses between high and low cloze probability levels were more pronounced for content words than function words. Among the two primary content categories, verbs exhibited greater N400 differences than nouns, while nouns carried more distinct information about their predictability than verbs. Moreover, we demonstrate that the decoding technique is more effective than the event-related potential (ERP) traditional analysis in capturing more detailed and distinct representations of cognitive processes over time.
• Abstract（参考訳）: 人間は読書を発明し、言語を通してこの複雑なスキルを代々受け継いだ。 本研究は,ボトムアップ(高次言語構造に関連する)とトップダウン(次単語予測可能性に関連する)プロセスの基礎となる神経機構の実証的証拠を提供する。 従来の研究では、予測可能性のN400効果と語彙カテゴリの影響に焦点が当てられていたが、予測可能性が様々な語彙カテゴリにわたるN400応答に与える影響についての研究は、主に公開データセットの制約のために限られている。 本稿では,脳波(EEG)を用いてミリ秒分解能で記録した脳反応の予測可能性について検討し,様々な語彙的・文法的カテゴリーにわたるN400時間窓(300-500ms後刺激)に着目した。 以上の結果から,N400応答の高次と低次クローゼ確率の有意差は,機能語よりも内容語に対して顕著であった。 2つの主要な内容カテゴリーのうち、動詞は名詞よりもN400の差が大きいのに対し、名詞は動詞よりも予測可能性についてより明確な情報を持っていた。 さらに、この復号法は、時間とともに認知過程のより詳細で明確な表現を捉える上で、事象関連電位(ERP)の従来の分析よりも効果的であることを示す。

関連論文リスト

• Large Language Models as Neurolinguistic Subjects: Discrepancy between Performance and Competence [49.60849499134362]
  本研究では,大言語モデル(LLM)の記号化(形式)および記号化(意味)に関する言語的理解について検討する。 ミニマルペアと診断プローブを組み合わせてモデル層間のアクティベーションパターンを解析する新しい手法を用いて,ニューロ言語学的アプローチを提案する。 その結果,(1)心理言語学的・神経言語学的手法では,言語能力と能力が異なっていること,(2)直接確率測定では言語能力が正確に評価されないこと,(3)指導のチューニングでは能力が大きく変化しないが,性能は向上しないことがわかった。
  論文  参考訳（メタデータ） (2024-11-12T04:16:44Z)
• Integrating LLM, EEG, and Eye-Tracking Biomarker Analysis for Word-Level Neural State Classification in Semantic Inference Reading Comprehension [4.390968520425543]
  本研究は、意味的関係読解作業中の個人の神経状態に関する洞察を提供することを目的とする。 本研究では,LLM,視線,脳波(EEG)データを共同で分析し,読解中にキーワードに関連性のある単語をどのように処理するかについて検討する。
  論文  参考訳（メタデータ） (2023-09-27T15:12:08Z)
• Are words equally surprising in audio and audio-visual comprehension? [13.914373331208774]
  同一音声刺激の音声のみおよび音声視覚提示において,各単語に関連付けられたERPシグネチャ(N400)を比較した。 以上の結果から,認知活動はマルチモーダル・アンモダル・セッティングと大きく異なることが示唆された。 これは、マルチモーダル環境における認知処理における局所語彙コンテキストの影響を顕著に示すものである。
  論文  参考訳（メタデータ） (2023-07-14T11:17:37Z)
• Neural Language Models are not Born Equal to Fit Brain Data, but Training Helps [75.84770193489639]
  音声ブックを聴く被験者の機能的磁気共鳴イメージングの時間軸予測に及ぼすテスト損失,トレーニングコーパス,モデルアーキテクチャの影響について検討した。 各モデルの訓練されていないバージョンは、同じ単語をまたいだ脳反応の類似性を捉えることで、脳内のかなりの量のシグナルをすでに説明していることがわかりました。 ニューラル言語モデルを用いたヒューマン・ランゲージ・システムの説明を目的とした今後の研究の実践を提案する。
  論文  参考訳（メタデータ） (2022-07-07T15:37:17Z)
• Toward a realistic model of speech processing in the brain with self-supervised learning [67.7130239674153]
  生波形で訓練された自己教師型アルゴリズムは有望な候補である。 We show that Wav2Vec 2.0 learns brain-like representations with little as 600 hours of unlabelled speech。
  論文  参考訳（メタデータ） (2022-06-03T17:01:46Z)
• Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot Sentiment Classification [78.120927891455]
  最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。 本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。 脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
  論文  参考訳（メタデータ） (2021-12-05T21:57:22Z)
• So Cloze yet so Far: N400 Amplitude is Better Predicted by Distributional Information than Human Predictability Judgements [0.6445605125467573]
  我々は,自然言語刺激がN400の振幅を変調する方法を,計算言語モデルや人間の言語予測がよく反映するかどうかを検討する。 3つの最上位の現代言語モデルの予測は、人間の予測よりもN400と密接に一致していることがわかった。 このことは、N400の下の予測過程が、以前考えられていたよりも言語の表面レベル統計に敏感であることを示している。
  論文  参考訳（メタデータ） (2021-09-02T22:00:10Z)
• Different kinds of cognitive plausibility: why are transformers better than RNNs at predicting N400 amplitude? [0.5735035463793008]
  トランスフォーマー言語モデルは、他のアーキテクチャを持つ言語モデルよりも、人間の言語理解を評価するのに使用されるメトリクスを予測するのに優れていることが判明した。 本研究では,人間における意味的ファシリテーションの効果に類似した,先行した文脈の予測が影響していることを示す。
  論文  参考訳（メタデータ） (2021-07-20T17:33:13Z)
• Compositional Explanations of Neurons [52.71742655312625]
  本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。 本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
  論文  参考訳（メタデータ） (2020-06-24T20:37:05Z)
• Mechanisms for Handling Nested Dependencies in Neural-Network Language Models and Humans [75.15855405318855]
  我々は,「深層学習」手法で訓練された現代人工ニューラルネットワークが,人間の文処理の中心的な側面を模倣するかどうかを検討した。 ネットワークは、大きなコーパスで次の単語を予測するためにのみ訓練されたが、分析の結果、局所的および長距離の構文合意をうまく処理する特別なユニットが出現した。 我々は,複数の名詞の単数/複数状態における体系的な変化を伴う文中の数一致の違反を人間が検出する行動実験において,モデルの予測を検証した。
  論文  参考訳（メタデータ） (2020-06-19T12:00:05Z)

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。