論文の概要: Decoding Error-Related Potentials under Multisensory Feedback with Varying Congruency

• arxiv url: http://arxiv.org/abs/2607.24806v1
• Date: Wed, 08 Jul 2026 09:13:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-02 22:55:39.076684
• Title: Decoding Error-Related Potentials under Multisensory Feedback with Varying Congruency
• Title（参考訳）: 多感覚フィードバックによる誤り関連電位の復号
• Abstract要約: 現実的な設定では、不均一な多感覚フィードバックの下でエラー知覚がしばしば発生する。 特に、矛盾したフィードバックは、復号化の難しさと分類性能の低下に関連している。 我々は多分岐EEGNetベースのアーキテクチャを採用し、異種条件間の堅牢性を改善するために補助的な監視を行う。
• 参考スコア（独自算出の注目度）: 49.89366594261373
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Error-related potentials (ErrPs) are widely studied neural signatures associated with error processing in human-machine interaction. In realistic settings, error perception often occurs under heterogeneous multisensory feedback, where variability induced by sensory modality and feedback congruency poses challenges for reliable ErrP decoding. In particular, incongruent feedback is associated with increased decoding difficulty and reduced classification performance. To address this challenge, we investigate learning strategies for robust ErrP decoding under multimodal visual, auditory, and tactile feedback with controlled sensory congruency. We adopt a multi-branch EEGNet-based architecture with auxiliary supervision to improve robustness across heterogeneous conditions, without relying on explicit modality-specific assumptions. Experiments were conducted using a maze-observation task with unimodal, bimodal, and trimodal feedback configurations. Across subjects, the proposed approach achieved consistent classification performance across heterogeneous sensory conditions and showed improved accuracy compared to baseline EEGNet models, particularly under multimodal feedback. These results suggest that appropriate architectural design and training strategies can improve the stability of ErrP decoding under heterogeneous multisensory conditions.
• Abstract（参考訳）: エラー関連電位(ErrPs)は、ヒトと機械の相互作用におけるエラー処理に関連する神経署名として広く研究されている。 現実的な設定では、不均一な多感覚フィードバックの下でエラー知覚がしばしば発生し、感覚のモダリティやフィードバックの一致によって生じる可変性は、信頼できるErrPデコーディングの課題を引き起こす。 特に、矛盾したフィードバックは、復号化の難しさと分類性能の低下に関連している。 この課題に対処するために,マルチモーダル視覚,聴覚,触覚フィードバック下での堅牢なErrPデコーディングのための学習戦略を,制御された感覚の相似性を用いて検討する。 我々は,多分岐EEGNetベースのアーキテクチャを採用し,不均一条件間の堅牢性を改善するために,明示的なモダリティ固有の仮定に頼ることなく補助的な監視を行う。 モーズ・オブザーブレーション(maze-observation)タスクを用いて, モーダル, バイモーダル, トリモーダルフィードバック構成を用いて実験を行った。 提案手法は,不均一な感覚条件に対して一貫した分類性能を達成し,特にマルチモーダルフィードバック下では,ベースライン脳波モデルと比較して精度が向上した。 これらの結果から,不均一な多感覚条件下でのErrPデコーディングの安定性が向上することが示唆された。

関連論文リスト

• Auditing Framing-Sensitive Behavioral Instability in Large Language Models for Mental Health Interactions [0.0]
  大規模言語モデル(LLM)は、メンタルヘルスサポートツールやその他の心理的に敏感な会話アプリケーションに統合されつつある。 本研究では, フラーミングに関連する変動が, 整列言語モデルの内部表現にどのように反映されるかを検討する。
  論文  参考訳（メタデータ） (2026-06-25T12:53:33Z)
• JSCGC: Joint Source-Channel-Generation Coding for Wireless Generative Communications [58.67925548779465]
  Joint Source-Channel-Generation Coding (JSCGC) は、従来のデコーダをレシーバで生成モデルに置き換えるジェネレーティブ通信パラダイムである。 JSCGCは、様々なチャネル条件にまたがるフィーチャベース、セマンティックレベル、推論品質を一貫して改善する。
  論文  参考訳（メタデータ） (2026-06-11T03:42:03Z)
• Heterogeneous Uncertainty-Guided Composed Image Retrieval with Fine-Grained Probabilistic Learning [49.28548464288051]
  Composed Image Retrieval (CIR)は、参照画像と修正テキストを組み合わせることで、画像検索を可能にする。 CIR三重項の内在ノイズは内在的不確実性を引き起こし、モデルの堅牢性を脅かす。 本稿では,これらの制約を克服するための不確実性誘導(HUG)パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-01-16T16:05:49Z)
• Test-time Adaptive Hierarchical Co-enhanced Denoising Network for Reliable Multimodal Classification [55.56234913868664]
  マルチモーダルデータを用いた信頼性学習のためのTAHCD(Test-time Adaptive Hierarchical Co-enhanced Denoising Network)を提案する。 提案手法は,最先端の信頼性の高いマルチモーダル学習手法と比較して,優れた分類性能,堅牢性,一般化を実現する。
  論文  参考訳（メタデータ） (2026-01-12T03:14:12Z)
• Variational decomposition autoencoding improves disentanglement of latent representations [14.3216921403324]
  信号分解に対する強い構造バイアスを組み込むことで、VAEを拡張するフレームワークである変分分解自動符号化(VDA)を導入する。 VDAは変分分解オートエンコーダ(DecVAE)、すなわち信号分解モデル、コントラスト自己監督タスク、変分事前近似を組み合わせたエンコーダのみのニューラルネットワークによってインスタンス化される。 シミュレーションデータと3つの公開科学データセットに対するDecVAEsの有効性を実証し, 音声認識, 難聴度評価, 感情音声分類を行った。
  論文  参考訳（メタデータ） (2026-01-11T10:16:34Z)
• Unleashing the True Potential of LLMs: A Feedback-Triggered Self-Correction with Long-Term Multipath Decoding [4.220190655754022]
  大規模言語モデル(LLM)は、様々なタスクで顕著なパフォーマンスを達成したが、推論中に誤ったコンテンツを生成することへの感受性は、決定的な未解決の課題である。 本稿では,ユーザフィードバックとデコードダイナミクスの強化を両立させる新しいフレームワークであるFeedback-Triggered Regeneration (FTR)を提案する。 具体的には、FTRは、負のユーザフィードバックを受けた場合にのみ応答再生を起動し、本来正しい出力を保持しながら、不良自己評価からのエラー伝播を回避する。
  論文  参考訳（メタデータ） (2025-09-09T12:43:28Z)
• Enhancing Uncertainty Estimation and Interpretability via Bayesian Non-negative Decision Layer [55.66973223528494]
  本研究では, ディープニューラルネットワークを条件付きベイズ非負因子分析として再構成したベイズ非負決定層(BNDL)を開発した。 BNDLは複雑な依存関係をモデル化し、堅牢な不確実性推定を提供する。 また,BNDLが効果的に不整合学習を達成できるという理論的保証も提供する。
  論文  参考訳（メタデータ） (2025-05-28T10:23:34Z)
• Improved Variational Inference in Discrete VAEs using Error Correcting Codes [3.053842954605396]
  本研究は, 離散変分オートエンコーダにおける推論を, 生成的視点で解釈することで改善する手法を提案する。 我々は,このモデルを通信システムとして概念化し,誤り訂正符号(ECC)を利用して潜在表現に冗長性を導入することを提案する。 本稿では,2変数の潜伏変数と低複素度繰り返し符号を持つ離散変分オートコーダを用いて概念実証を行い,グローバルおよびローカルなデータ特徴を分離する階層構造に拡張する。
  論文  参考訳（メタデータ） (2024-10-10T11:59:58Z)
• Semi-supervised Anomaly Detection via Adaptive Reinforcement Learning-Enabled Method with Causal Inference for Sensor Signals [15.249261198557218]
  センサ信号の半教師付き異常検出は、スマート製造におけるシステムの信頼性確保に不可欠である。 本稿では,三重補足型因果強化学習モデル(Tri-CRLAD)を革新的に構築する。 7つのセンサ信号データセットに対する実験結果から、Tri-CRLADは9つの最先端のベースライン法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-05-11T06:10:05Z)
• Residual Error: a New Performance Measure for Adversarial Robustness [85.0371352689919]
  ディープラーニングの広く普及を制限する大きな課題は、敵の攻撃に対する脆弱さである。 本研究は,ディープニューラルネットワークの対角強靭性を評価するための新しい性能尺度である残留誤差の概念を提示する。 画像分類を用いた実験結果から,提案手法の有効性と有効性を示した。
  論文  参考訳（メタデータ） (2021-06-18T16:34:23Z)

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。