論文の概要: Beyond Local Power: Functional Connectivity Analysis for Subject-Independent Learning Style Recognition
- arxiv url: http://arxiv.org/abs/2608.12000v1
- Date: Wed, 12 Aug 2026 12:35:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.571671
- Title: Beyond Local Power: Functional Connectivity Analysis for Subject-Independent Learning Style Recognition
- Title（参考訳）: 局所パワーを超えて:主観非依存型学習スタイル認識のための機能接続解析
- Abstract要約: 本稿では, 位相ロック値(PLV)の局所的特徴に対する接続性を評価するため, 目的脳波(EEG)アプローチを提案する。
EEG信号はRavenのAdvanced Progressive Matricesタスク中に28人の参加者から記録された。
- 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: Identifying individual learning styles optimizes pedagogical efficacy. While traditional questionnaires are structured, behavioral tracking methods require prolonged interaction log accumulation. To overcome these temporal constraints, this paper proposes an objective Electroencephalography (EEG) approach evaluating Phase Locking Value (PLV) connectivity against localized features across the Active-Reflective (AR) and Verbal-Visual (VV) Felder-Silverman dimensions. EEG signals were recorded from 28 participants during Raven's Advanced Progressive Matrices tasks. Support Vector Machine classification used Leave-One-Subject-Out Cross-Validation (LOSO-CV) alongside a 70:30 intra-subject split. The VV dimension achieved 70.00% subject-level accuracy driven by distinct fronto-occipital polarization. Conversely, the AR dimension yielded lower cross-subject generalizability (55.56%) due to overlapping executive networks and a "Systematic Neural Inversion" phenomenon, where stable individual connectivity signatures operated diametrically opposed to global boundaries (up to 20-0 voting margins). Ultimately, these outcomes demonstrate that rigid "one-size-fits-all" classifiers are bounded by biological diversity, emphasizing the need for future adaptive feature transformation techniques to bridge the cross-subject generalization gap.
- Abstract（参考訳）: 個々の学習スタイルを特定することは教育効果を最適化する。
従来のアンケートは構造化されているが、行動追跡法は長時間の相互作用ログの蓄積を必要とする。
本稿では,これらの時間的制約を克服するために,アクティブ・リフレクティブ(AR)とヴァーバル・ビジュアル(VV)のフェルダー・シルバーマン次元にわたる局所的特徴に対する位相ロック値(PLV)接続性を評価する客観的脳波(EEG)アプローチを提案する。
EEG信号はRavenのAdvanced Progressive Matricesタスク中に28人の参加者から記録された。
サポートベクトルマシン分類では、70:30のイントラオブジェクトスプリットと共にLeave-One-Subject-Out Cross-Validation (LOSO-CV)を用いた。
VV次元は、異なる前頭頭頂偏光によって駆動される被写体レベルの精度70.00%を達成した。
逆にAR次元は、重なり合う幹部ネットワークと、安定した個人接続シグネチャがグローバル境界(最大20-0票差)に対してダイメトリックに操作される「系統的ニューラル・インバージョン(Systematic Neural Inversion)」現象により、低オブジェクトの一般化可能性(55.56%)を得た。
最終的に、これらの結果は、厳密な「ワンサイズフィットオール」分類器が生物学的多様性によって境界づけられていることを示し、オブジェクト間の一般化ギャップを橋渡しする将来の適応的特徴変換技術の必要性を強調した。
関連論文リスト
- ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding [47.35612571473169]
EEGビジュアルデコーディングは、非侵襲的な神経時系列信号から視覚的セマンティクスを回復することを目的としている。
既存の手法は固定された視覚的あるいはテキスト的アンカーに依存しており、その意味的関係は、試行錯誤、主題、学習段階によって異なる脳波表現と一致している可能性がある。
本稿では,適応型ニューラル・セマンティックアライメントのための統一的でモデルに依存しないフレームワークであるProgressive Contrastive Alignment(ProCA)を提案する。
論文 参考訳（メタデータ） (2026-09-04T12:48:25Z) - Cross-Subject EEG Emotion Recognition Based on Temporal Asynchronous Alignment Contrastive Learning [15.406609103511956]
本稿では,脳波に基づく感情認識のための時間的非同期アライメントに基づくコントラシブラーニング(TA2CL)フレームワークを提案する。
従来のグローバルな「ハードアライメント」類似性計算手法を、きめ細かい局所マッチング機構に変換する。
実験の結果,提案手法は複数の公開データセットに対して高い性能を示すことがわかった。
論文 参考訳（メタデータ） (2026-05-21T12:09:42Z) - When Brain Networks Travel: Learning Beyond Site [19.116206481048224]
機能的磁気共鳴画像(fMRI)のグラフベースの学習は、脳ネットワーク解析に強い可能性を示している。
既存の方法は、サイト条件のコンソーシアムが非病理的ショートカットを誘導するため、クロスサイト・アウト・オブ・ディストリビューション(OOD)設定で劣化する。
我々は、見知らぬ場所にまたがる脳ネットワーク学習のための統合フレームワークであるクロスサイトOOD Robust Brain nEtwork (CORE)を提案する。
論文 参考訳（メタデータ） (2026-05-07T11:35:34Z) - Rethinking Vector Field Learning for Generative Segmentation [50.08025820235397]
生成的セグメンテーションのためのモデリング拡散モデルが注目されている。
ベクトル場学習の観点から拡散セグメンテーションを再考する。
本稿では,学習した消滅速度場を距離認識補正項で拡張するベクトル場再構成手法を提案する。
この補正は、誘引的相互作用と反発的相互作用の両方を導入し、元の拡散訓練フレームワークを保ちながら、セントロイド付近の勾配等級を増大させる。
論文 参考訳（メタデータ） (2026-03-19T17:58:19Z) - Boundary-aware Prototype-driven Adversarial Alignment for Cross-Corpus EEG Emotion Recognition [6.313563501854241]
クロスコーパス脳波感情認識のためのPAA(Prototype-driven Adrial Alignment)フレームワークを提案する。
提案手法は,感情認識を関係駆動型表現学習問題として再構成する。
SEED、SEED-IV、SEED-Vの実験は、4つのクロスコーパス評価プロトコル下での最先端性能を示す。
論文 参考訳（メタデータ） (2026-03-18T02:28:05Z) - Ego4OOD: Rethinking Egocentric Video Domain Generalization via Covariate Shift Scoring [0.0]
Ego4OODは、Ego4Dから派生した領域一般化ベンチマークである。
Ego4OODは地理的に異なる8つのドメインにまたがる。
本稿では、最先端の自己中心型ドメイン一般化手法と競合する軽量な2層完全接続ネットワーク性能を示す。
論文 参考訳（メタデータ） (2026-01-21T20:05:45Z) - Local-Global Feature Fusion for Subject-Independent EEG Emotion Recognition [5.248014945077116]
我々は,(i)ローカルなチャネルワイドな記述子と(ii)グローバルなトライアルレベルの記述子を統合した融合フレームワークを提案する。
試行錯誤プロトコルによる実験は,提案手法が単一ビューと古典的ベースラインを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2026-01-13T00:27:01Z) - Generative Human-Object Interaction Detection via Differentiable Cognitive Steering of Multi-modal LLMs [85.69785384599827]
人間と物体の相互作用(Human-object Interaction、HOI)の検出は、人と物体のペアとそれらの相互作用を局在させることを目的としている。
既存のメソッドはクローズドワールドの仮定の下で動作し、タスクを未定義の小さな動詞集合上の分類問題として扱う。
本稿では,閉集合分類タスクから開語彙生成問題へのHOI検出を再構成する新しい生成推論・ステアブル知覚フレームワークGRASP-HOを提案する。
論文 参考訳（メタデータ） (2025-12-19T14:41:50Z) - Fair Deepfake Detectors Can Generalize [51.21167546843708]
共同設立者(データ分散とモデルキャパシティ)の制御により,公正な介入による一般化が向上することを示す。
この知見を応用して, 逆正当性重み付けとサブグループワイド特徴正規化を併用し, 新たなアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・インセンティブ・インターベンション・インベンション・インテクション(DAID)を提案する。
DAIDは、いくつかの最先端技術と比較して、公平性と一般化の両方において一貫して優れた性能を達成する
論文 参考訳（メタデータ） (2025-07-03T14:10:02Z) - CRIA: A Cross-View Interaction and Instance-Adapted Pre-training Framework for Generalizable EEG Representations [52.251569042852815]
CRIAは、可変長および可変チャネルコーディングを使用して、異なるデータセット間でEEGデータの統一表現を実現する適応フレームワークである。
このモデルでは、時間的、スペクトル的、空間的特徴を効果的に融合させるクロスアテンション機構を採用している。
テンプル大学脳波コーパスとCHB-MITデータセットによる実験結果から、CRIAは既存の方法よりも、同じ事前学習条件で優れていることが示された。
論文 参考訳（メタデータ） (2025-06-19T06:31:08Z) - FACE: Few-shot Adapter with Cross-view Fusion for Cross-subject EEG Emotion Recognition [57.08108545219043]
クロスオブジェクト脳波の感情認識は、重要なオブジェクト間変動と複雑に絡み合ったオブジェクト内変動によって困難である。
最近の数発の学習パラダイムは、これらの制限に対処しようと試みているが、しばしば限られたサンプルを用いて主題固有の適応を行う際に破滅的な過度なオーバーフィッティングに遭遇する。
本稿では,脳波の感情認識のためのFACEと呼ばれるクロスビュー融合方式のマイクロショットアダプタについて紹介する。
論文 参考訳（メタデータ） (2025-03-24T03:16:52Z) - Dense Contrastive Visual-Linguistic Pretraining [53.61233531733243]
画像とテキストを共同で表現するマルチモーダル表現学習手法が提案されている。
これらの手法は,大規模マルチモーダル事前学習から高レベルな意味情報を取得することにより,優れた性能を実現する。
そこで本稿では,非バイアスのDense Contrastive Visual-Linguistic Pretrainingを提案する。
論文 参考訳（メタデータ） (2021-09-24T07:20:13Z)
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。