論文の概要: Foundation Models for EEG Are Blind to Long-Range Temporal Correlations: A Spectral-Temporal Dissociation Behind Their Cross-Population Fragility

• arxiv url: http://arxiv.org/abs/2607.24834v1
• Date: Thu, 23 Jul 2026 18:00:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-29 20:50:42.538562
• Title: Foundation Models for EEG Are Blind to Long-Range Temporal Correlations: A Spectral-Temporal Dissociation Behind Their Cross-Population Fragility
• Title（参考訳）: 脳波の基礎モデルは長期の時間的相関に盲目である:スペクトル-時間的解離とそのクロスポピュレーション脆弱性の背後にある
• Abstract要約: EEGファンデーションモデル(FM)は、短いパッチの再構成やコントラスト調整のために訓練され、固定された埋め込みにプールされる。 これらの埋め込みがαバンドエンベロープのDFA指数によって定量された長距離時間相関を保っているかどうかを調べた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective. Electroencephalography (EEG) foundation models (FMs) are trained to reconstruct or contrastively align short patches, then pooled into a fixed embedding. We tested whether these embeddings retained the long-range temporal correlations (LRTC) quantified by the detrended-fluctuation-analysis (DFA) exponent of the alpha-band envelope, and whether it governs cross-population transfer. Approach. We probed five EEG FMs spanning raw-waveform and spectral-input architectures (REVE, LaBraM, BENDR, CBraMod, BIOT) on two out-of-distribution cohorts, comparing recovery of the DFA exponent against the static 1/f aperiodic slope. Order-preserving and residualization controls tested for pooling or aperiodic shadowing. A montage-harmonized, zero-shot transfer task compared the frozen embedding with the DFA exponent across three cohorts (adding a Western reference). Main results. None of the five FMs represented the LRTC in the temporal order. Raw-waveform models (REVE, LaBraM, BENDR) recovered neither the DFA exponent nor the 1/f slope (R^2 <= 0.12); for these three the probe is uninformative, so the dissociation is specific to the spectral-input models (CBraMod, BIOT), which recovered 1/f strongly (R^2 = 0.59-0.73) but not DFA across cohorts. A classical DFA feature recovered the exponent (R^2 = 0.32-0.38 against a 0.64 reliability ceiling), and LRTC was orthogonal to the aperiodic slope (r = -0.06). On cross-population transfer, the frozen REVE embedding did not beat chance (W to K, 0.45) and the dimensionless DFA exponent transferred directionally but not at family-wise significance; the other four did not uniformly replicate it. All five were dominated by a recording-site axis (decodable at 0.98-1.00 vs. 0.500 chance), whereas the DFA exponent they discard is site-robust (0.71).
• Abstract（参考訳）: 目的。 脳波基礎モデル(EEG)は、短いパッチを再構成したり、対照的に整列させたりするために訓練され、固定された埋め込みにプールされる。 これらの埋め込みは、αバンドエンベロープのdetrended-fluctuation-analysis (DFA)指数によって定量された長範囲時間相関(LRTC)を維持し、また、クロスポピュレーション転送を制御しているかどうかを調べた。 アプローチ。 原波形およびスペクトル入力アーキテクチャ(REVE, LaBraM, BENDR, CBraMod, BIOT)にまたがる5つのEEG FMを2つの分布外コホートで探索し, DFA指数の静的な1/f周期傾斜に対する回復を比較した。 順序保存および残留化制御は、プールや周期的なシャドーイングのためにテストされる。 モンタージュ調和ゼロショット転送タスクは、凍結埋め込みと3つのコホートにまたがるDFA指数を比較した(西方参照)。 主な結果。 5つのFMはいずれもLRTCを時間順に表さなかった。 raw-waveform model (REVE, LaBraM, BENDR) はDFA指数も1/f勾配 (R^2 <= 0.12) も回復しないため、これらの3つのプローブは非形式的であるため、解離は1/f強い(R^2 = 0.59-0.73)がコホートを越えてDFAを回収するスペクトルインプットモデル (CBraMod, BIOT) に特異的である。 古典的なDFA特徴は指数(R^2 = 0.32-0.38)を回復し、LRTCは周期傾斜(r = -0.06)に直交した。 交叉移動では、凍結されたREVE埋め込みはチャンスを負わず(W to K, 0.45)、次元のないDFA指数は家族的に重要ではないが、他の4つは一様に複製しなかった。 5つ全ては記録位置軸(0.98-1.00対0.500倍)で支配され、DFA指数は0.71である。

関連論文リスト

• From Concentration to Differentiation and Back: Routing Effective Rank in MoE Reasoning Cohorts [61.695980784491475]
  テストタイムスケーリングは、推論ロールアウトのコホートを生成するが、推論が展開するにつれて内部計算がどのように再編成されるかについて、標準的なラベルのない説明はない。 本稿では,MoEの専門家による類似性から構築したクロスロールアウトグラフのエントロピー有効次元性であるルーティング有効ランクデフを導入する。
  論文  参考訳（メタデータ） (2026-09-06T05:43:22Z)
• Support Operation Factorization: Compositional Readout of Frozen Vision Encoders under Controlled Interventions [87.95757610455173]
  我々は、x演算グリッドとSO-OPFをサポートするために、インジェクティブに整合した残余セルアウトプロトコルを導入する。 グリッドが分かっているときにキャリアがホールドアウトバインディングを構成するかどうか、フラットなセルラベルからグリッドを回収できるかどうかという2つの質問を分離する。
  論文  参考訳（メタデータ） (2026-08-06T15:38:55Z)
• Anatomically Faithful but Temporally Diffuse: Auditing Attribution for Left-Ventricular Ejection-Fraction Estimation from Echocardiography [4.110454468583892]
  ポストホックの属性は、ディープビデオモデルが正しい場所を見ていることを証明するためにますます使われています。 我々は,空間的接地,摂動,時間的依存という3つの軸に沿った帰属的忠実さを監査する。 どちらのモデルも強く解剖学的に忠実である(3.04xと3.76倍の確率)が、時間内では弱い局所化しかできない。
  論文  参考訳（メタデータ） (2026-07-15T11:54:09Z)
• Guidance Breaks the Fitted Operator: A Terminal-Fitted Repair for Classifier-Free Guidance [0.6768558752130311]
  インテグレータ分析レンズを用いて拡散フリーガイダンス(CFG)を解析する。 このガイダンスは, 判別部分空間を, 異常な1+wに正確に再シュミレーションすることを示す。 DDIMはもはや装着されておらず、粗いメッシュ上では、sigma_minがゼロになるにつれて、ガイドされた残基が分岐する。
  論文  参考訳（メタデータ） (2026-07-08T17:21:51Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Saturating Scaling Laws for Equational Discovery: A Phenomenology of Growth Dynamics in Three Toy Substrates with Two Real-World Replications [0.0]
  決定論的方程式発見基板における成長ダイナミクスについて検討する。 短距離基板サイズは、tbに比例するパワーローN(t)に適合する。 飽和パワーロー dN/dt = K Nk exp(-mu N) で、純粋なパワーローが短距離近似である。
  論文  参考訳（メタデータ） (2026-05-14T21:37:29Z)
• The Extrapolation Cliff in On-Policy Distillation of Near-Deterministic Structured Outputs [52.709361620508595]
  ListOPDは、パラメータの5分の1で8B-SFTベースラインで、学生をドメイン内に持ち込む。 Amazon Fashionでは、3つの事前登録テスト — 細粒度崖間隔テスト、小さなクリップのクロス予測 — がロックされた予測ウィンドウ内に落下し、グリッド解像度以下のクローズドフォーム予測に一致する小さなクリップ値が設定されている。
  論文  参考訳（メタデータ） (2026-05-09T06:48:00Z)
• Auxiliary Finite-Difference Residual-Gradient Regularization for PINNs [0.0]
  本研究では,PDE残差が保たれるハイブリッド設計について検討するが,有限差分は弱い補助項にのみ現れる。 FD項は、PDE残基自体を置き換えることなく残留体を正則化する。 種子0-5と100kのエポック全体で、最も信頼性の高い試験はクルコウタス・ベタ政権下での固定殻重量5e-4である。
  論文  参考訳（メタデータ） (2026-04-15T23:09:19Z)
• Low-Rank Adaptation Reduces Catastrophic Forgetting in Sequential Transformer Encoder Fine-Tuning: Controlled Empirical Evidence and Frozen-Backbone Representation Probes [3.305265383862785]
  コンパニオン表現プローブを用いたシーケンシャルトランスフォーマーエンコーダにおけるローランド適応(LoRA)の実証的研究について述べる。 RTE->MRPC->CoLA->SST-2配列上の5つのフルバリデーションBERTベースでは、フル微調整の収率は19.9%+/-で、標準のLoRA(r、クエリ/バリューモジュール)は0.6%+/-1.4%である。
  論文  参考訳（メタデータ） (2026-03-29T14:14:36Z)
• Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage [65.51149575007149]
  本稿では,Fun-DDPSについて述べる。Fun-DDPSは,関数空間拡散モデルと微分可能なニューラル演算子サロゲートを結合した生成フレームワークである。 Fun-DDPSは、ジョイントステートベースラインで観察される高周波アーティファクトから、物理的に一貫した実現をもたらす。
  論文  参考訳（メタデータ） (2026-02-12T18:58:12Z)
• Decoupled Diffusion Sampling for Inverse Problems on Function Spaces [73.52103661482242]
  既存のプラグ・アンド・プレイ拡散後サンプリングは係数ジョイント・ソリューション・モデリングを通じて物理を暗黙的に表現する。 逆PDE問題に対する関数空間における物理認識型生成フレームワークを提案する。 我々の解答拡散逆ソルバー(DDIS)は、非条件拡散が事前に係数を学習し、ニューラル演算子はガイダンスのためにフォワードPDEを明示的にモデル化する。
  論文  参考訳（メタデータ） (2026-01-30T18:54:49Z)
• CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
  検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。 エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。 CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
  論文  参考訳（メタデータ） (2025-12-22T16:34:21Z)
• FastLR: Non-Autoregressive Lipreading Model with Integrate-and-Fire [74.04394069262108]
  我々は,全てのターゲットトークンを同時に生成する非自己回帰(NAR)リップリーダーモデルであるFastLRを提案する。 FastLRは最先端のリップリーダーモデルと比較して10.97$times$のスピードアップを実現している。
  論文  参考訳（メタデータ） (2020-08-06T08:28:56Z)

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。