論文の概要: Masked Autoencoders Learn Perception-Relevant Representations from Resting State Neural Data

• arxiv url: http://arxiv.org/abs/2607.22615v1
• Date: Mon, 15 Jun 2026 13:43:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:38.986392
• Title: Masked Autoencoders Learn Perception-Relevant Representations from Resting State Neural Data
• Title（参考訳）: 静止状態ニューラルデータから知覚関連表現を学習するマスクオートエンコーダ
• Abstract要約: 視覚障害者のV1の皮質内配列から14.6時間の自発多部活動について,マスク付きオートエンコーダを事前訓練した。 知覚復号精度は、一般的な心理測定タスクで84.1%に達した。 この研究は、自発的な皮質活動はノイズではなく、リッチなタスク関連構造を含んでいることを示している。
• 参考スコア（独自算出の注目度）: 29.99775209501762
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical neuroprosthetics face a data bottleneck: labeled perception trials are scarce while hours of spontaneous neural activity are largely underutilized. Here, we test whether self-supervised learning can use these unlabeled datasets to improve perception decoding. We pretrained a masked autoencoder on 14.6 hours of spontaneous multiunit activity from an intracortical array in a blind participant's V1. The model captured interpretable brain structure without supervision: V1's spatial organization and perceptual state separation both emerged purely from its latent representations. To test these features, we used linear probing (logistic regression on the frozen latents) to measure performance on the data with stimulation. Perception decoding accuracy reached 84.1% on a general psychometric task. On the more difficult threshold-level task, accuracy reached 64.0%. This work shows that spontaneous cortical activity is not noise; it contains rich, task-relevant structure. Unsupervised pretraining on this data is a promising strategy to improve neural decoding.
• Abstract（参考訳）: ラベル付き知覚試験は少ないが、自発的な神経活動の時間はほとんど利用されていない。 ここでは、自己教師型学習が、これらのラベルのないデータセットを用いて知覚復号化を改善することができるかどうかを検証する。 視覚障害者のV1の皮質内配列から14.6時間の自発多部活動について,マスク付きオートエンコーダを事前訓練した。 V1の空間的構造と知覚的状態分離はどちらも、その潜在表現から純粋に出現した。 これらの特徴を検証するために, 線形探傷法(凍結潜水剤の論理的回帰)を用いて, 刺激によるデータの性能測定を行った。 知覚復号精度は、一般的な心理測定タスクで84.1%に達した。 より困難なしきい値レベルのタスクでは、精度は64.0%に達した。 この研究は、自発的な皮質活動はノイズではなく、リッチなタスク関連構造を含んでいることを示している。 このデータに対する教師なし事前トレーニングは、ニューラルデコーディングを改善するための有望な戦略である。

関連論文リスト

• Automatic Neuronal Activity Segmentation in Fast Four Dimensional Spatio-Temporal Fluorescence Imaging using Bayesian Approach [5.344174933185375]
  光シート顕微鏡で得られた4次元時間的データから神経活動を検出するためのディープラーニングフレームワークを提案する。 提案手法は,画素ワイズ相関マップを計算し,平均要約画像から得られる空間情報と組み合わせることで,時間情報の利用を考慮に入れている。
  論文  参考訳（メタデータ） (2025-12-22T05:08:52Z)
• Deep Learning for real-time neural decoding of grasp [0.0]
  本稿では,ニューラルネットワークの復号化のためのDeep Learningに基づく手法を提案する。 提案手法の主な目的は、これまでの神経科学知識に頼ることなく、最先端の復号精度を改善することである。
  論文  参考訳（メタデータ） (2023-11-02T08:26:29Z)
• Learnable latent embeddings for joint behavioral and neural analysis [3.6062449190184136]
  CEBRAは、空間のマッピング、複雑なキネマティックな特徴の発見、視覚野からの自然映画の高速かつ高精度な復号化に利用できることを示す。 我々は、その精度を検証し、カルシウムと電気生理学の両方のデータセット、感覚と運動のタスク、そして種全体にわたる単純または複雑な振る舞いにその有用性を実証する。
  論文  参考訳（メタデータ） (2022-04-01T19:19:33Z)
• Learning Bayesian Sparse Networks with Full Experience Replay for Continual Learning [54.7584721943286]
  継続学習(CL)手法は、機械学習モデルが、以前にマスターされたタスクを壊滅的に忘れることなく、新しいタスクを学習できるようにすることを目的としている。 既存のCLアプローチは、しばしば、事前に確認されたサンプルのバッファを保持し、知識蒸留を行い、あるいはこの目標に向けて正規化技術を使用する。 我々は,現在および過去のタスクを任意の段階で学習するために,スパースニューロンのみを活性化し,選択することを提案する。
  論文  参考訳（メタデータ） (2022-02-21T13:25:03Z)
• Robust alignment of cross-session recordings of neural population activity by behaviour via unsupervised domain adaptation [1.2617078020344619]
  本研究では,同じ動物から記録された未確認データから行動関連潜伏動態を推定できるモデルを提案する。 教師なし領域適応と、複数のセッションで訓練された逐次変分オートエンコーダを組み合わせることで、見つからないデータに対して優れた一般化が達成できることを示す。
  論文  参考訳（メタデータ） (2022-02-12T22:17:30Z)
• 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)
• SOUL: An Energy-Efficient Unsupervised Online Learning Seizure Detection Classifier [68.8204255655161]
  神経活動を記録して発作を検出するインプラントデバイスは、発作を抑えるために警告を発したり神経刺激を誘発したりするために採用されている。 移植可能な発作検出システムでは、低出力で最先端のオンライン学習アルゴリズムを使用して、神経信号のドリフトに動的に適応することができる。 SOULはTSMCの28nmプロセスで0.1mm2を占め、1.5nJ/分級エネルギー効率を実現した。
  論文  参考訳（メタデータ） (2021-10-01T23:01:20Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• Using Convolutional Variational Autoencoders to Predict Post-Trauma Health Outcomes from Actigraphy Data [4.668948267866486]
  うつ病と外傷後ストレス障害(PTSD)は、外傷性事象に関連する精神疾患である。 本研究は,調査用スマートウォッチを装着した1113名の被験者を対象に,ロコモター活動を用いた。 畳み込み変分オートエンコーダ(VAE)アーキテクチャは、アクティグラフィーデータから教師なしの特徴抽出に用いられた。
  論文  参考訳（メタデータ） (2020-11-14T22:48:12Z)
• Automatic Recall Machines: Internal Replay, Continual Learning and the Brain [104.38824285741248]
  ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。 本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。 代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
  論文  参考訳（メタデータ） (2020-06-22T15:07:06Z)

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。