論文の概要: Neuro-Geospatial Modelling of EEG Affective States Using Literature-Informed Environmental Context

• arxiv url: http://arxiv.org/abs/2608.20807v1
• Date: Fri, 21 Aug 2026 07:25:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-24 14:49:32.436124
• Title: Neuro-Geospatial Modelling of EEG Affective States Using Literature-Informed Environmental Context
• Title（参考訳）: 文学インフォームド環境コンテキストを用いた脳波影響状態の空間的モデル化
• Authors: Utsav Poudel, Jagannath Aryal, Subramaniyaswamy Vairavasundaram,
• Abstract要約: 脳波による情動状態分類の補助的な地理空間的モダリティとして,文献インフォームド環境が有効であるかどうかを考察する。 AstanaのOpenAQ、Sentinel-2、Sentinel-5P、OpenStreetMapのデータから得られた環境表現と、AEVベンチマークから得られた30チャンネルのEEGを組み合わせる。 データセットは共登録されていないため、環境コンテキストは測定された露出よりも先に文献情報として扱われる。
• 参考スコア（独自算出の注目度）: 6.121194518355071
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Environmental exposures such as air pollution and greenness have been associated with affective and cognitive outcomes, but EEG and environmental datasets are rarely jointly georeferenced. We investigate whether literature-informed environmental priors can serve as an auxiliary geospatial modality for EEG-based affective-state classification when individual-level exposure data are unavailable. We combine 30-channel EEG from the EAV benchmark (42 participants, aged 20-30 years) with environmental representations derived from OpenAQ, Sentinel-2, Sentinel-5P, and OpenStreetMap data for Astana. A dual-tower architecture combines EEG-Conformer representations with a graph-based environmental encoder. Because the datasets are not co-registered, environmental context is treated as a literature-informed prior rather than measured exposure. Subject-level repeated splits, permutation and label-shuffling controls, dose-response reversal, and domain-shift experiments distinguish architecture-level gains from prior-dependent gains. The multimodal model achieves 76.2% accuracy versus 67.4% for EEG alone. Controls disrupting environmental-label structure retain part of this gain, indicating that the improvement is not attributable solely to environmental information. Replacing the Astana environmental distribution with an independently modeled Singapore distribution reduces accuracy to 72.8%. These findings demonstrate technical feasibility but do not establish an observed or causal exposure-affect association. The study provides a framework for future jointly collected mobile EEG-environment studies. Implementation: https://github.com/r11up/geo-cog
• Abstract（参考訳）: 大気汚染や緑化などの環境曝露は情緒的・認知的な結果と関係があるが、脳波と環境データセットは共同で地理的に参照されることは滅多にない。 個人レベルの露光データが利用できない場合,文献情報による環境背景が,脳波による情動状態分類の補助的空間的モダリティとして機能するかどうかを検討する。 Astana の OpenAQ,Sentinel-2,Sentinel-5P,OpenStreetMap のデータから得られた環境表現と EAV ベンチマーク (42名,20～30歳) から得られた30チャンネルの脳波を組み合わせた。 デュアルトウワーアーキテクチャは、EEG-Conformer表現とグラフベースの環境エンコーダを組み合わせる。 データセットは共登録されていないため、環境コンテキストは測定された露出よりも先に文献情報として扱われる。 主題レベルの繰り返し分割、置換とラベルシャッフル制御、線量応答逆転、ドメインシフト実験は、アーキテクチャレベルの利得と事前依存利得を区別する。 マルチモーダルモデルは精度76.2%、EEG単独では67.4%である。 環境ラベル構造を乱す制御は、この利得の一部であり、改善は環境情報のみに起因するものではないことを示唆している。 独立にモデル化されたシンガポールの分布でアスタナの環境分布を置き換えると、精度は72.8%に低下する。 これらの知見は, 技術的実現可能性を示しているが, 観察的, 因果的暴露効果の関連性は確立していない。 この研究は、将来収集されるモバイル脳波環境研究のための枠組みを提供する。 実装:https://github.com/r11up/geo-cog

関連論文リスト

• EEG-JEPA: Structured Latent Prediction for EEG Foundation Models [8.073687183161216]
  本稿では,脳波基礎モデリングのための構造化潜在予測フレームワークであるEEG-JEPAを紹介する。 EEG-JEPAは3つの相補的な次元に沿ってターゲット設計を編成する。 EEG-JEPAは、CBraModスタイルの仮面波形再構成に比べて、14タスクの冷凍マクロバランスの精度を40.49%から50.42%に改善した。
  論文  参考訳（メタデータ） (2026-07-31T08:57:53Z)
• Probing Geospatial SSL Representations with Environmental Signals [51.908606610432194]
  自己教師付き学習(SSL)は、単一のタスクに最適化された表現ではなく、汎用的で転送可能な表現を学ぶように設計されている。 SSL表現は、イメージングプロセスと共変する環境変数との統計的関連を保存しているか? この問題に対処するために、我々は、物理的に一貫した環境変数のグローバルデータセットである共配置ERA5再解析変数を用いてSSL表現を探索する。
  論文  参考訳（メタデータ） (2026-07-06T15:24:25Z)
• Artificial Intelligence for Green Hydrogen Yield Prediction and Site Suitability using SHAP-Based Composite Index: Focus on Oman [0.0]
  グリーン水素は脱炭酸への有望な戦略経路として出現している。 本研究では,グリーン水素収率とサイト適合性指数を計算するための新しい人工知能フレームワークを提案する。 また,オマーンにおける水深,標高および季節変動は,それぞれ2.470891,2.376296,1.273216の絶対シャップ値を持つ温水サイト適合性を決定する最も大きな要因である。
  論文  参考訳（メタデータ） (2025-07-16T10:56:24Z)
• Decoupled Graph Energy-based Model for Node Out-of-Distribution Detection on Heterophilic Graphs [61.226857589092]
  グラフ学習におけるノードのOOD検出は未探索のままである。 GNNSafeは、最先端の性能を持つグラフ領域にエネルギーベースの検出を適用した。 本稿では,学習過程をノード表現のためのトポロジ情報を利用するグラフエンコーダと,遅延空間で動作するエネルギーヘッドの2つの部分に分解するDeGEMを紹介する。
  論文  参考訳（メタデータ） (2025-02-25T07:20:00Z)
• Environmental large language model Evaluation (ELLE) dataset: A Benchmark for Evaluating Generative AI applications in Eco-environment Domain [6.246205449407889]
  ジェネレーティブAIは、生態学的および環境的応用に大きな可能性を秘めている。 環境大言語モデル評価(ELLE)データセットは、大規模言語モデルを評価するために設計された最初のベンチマークである。 ELLEデータセットには16の環境トピックにまたがる1,130の質問応答ペアが含まれており、ドメイン、難易度、タイプによって分類されている。
  論文  参考訳（メタデータ） (2025-01-10T12:48:29Z)
• EcoVerse: An Annotated Twitter Dataset for Eco-Relevance Classification, Environmental Impact Analysis, and Stance Detection [0.0]
  EcoVerseは、さまざまな環境トピックにまたがる3,023のツイートからなる、英語の注釈付きTwitterデータセットである。 本研究では,環境関連分類,スタンス検出,環境影響分析のための独自のアプローチの導入を目的とした3段階のアノテーションスキームを提案する。
  論文  参考訳（メタデータ） (2024-04-08T01:21:11Z)
• FREE: The Foundational Semantic Recognition for Modeling Environmental Ecosystems [56.0640340392818]
  我々は、様々な特徴と利用可能な情報を使ってユニバーサルモデルを訓練するフレームワーク、FREEを導入する。 その中核となる考え方は、利用可能な環境データをテキスト空間にマッピングし、環境科学における従来の予測モデリングタスクを意味認識問題に変換することである。 河川水温予測と収穫量予測という2つの社会学的に重要な実世界の応用に対する評価は、FREEが複数のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-17T00:53:09Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• EEG-Inception: An Accurate and Robust End-to-End Neural Network for EEG-based Motor Imagery Classification [123.93460670568554]
  本稿では,脳波に基づく運動画像(MI)分類のための新しい畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。 提案したCNNモデル、すなわちEEG-Inceptionは、Inception-Timeネットワークのバックボーン上に構築されている。 提案するネットワークは、生のEEG信号を入力とし、複雑なEEG信号前処理を必要としないため、エンドツーエンドの分類である。
  論文  参考訳（メタデータ） (2021-01-24T19:03:10Z)

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。