論文の概要: Sequential Contextual Fit Predicts Human Behavioural and Neural Dynamics Across Domains

• arxiv url: http://arxiv.org/abs/2609.20179v1
• Date: Fri, 24 Jul 2026 08:36:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.62793
• Title: Sequential Contextual Fit Predicts Human Behavioural and Neural Dynamics Across Domains
• Title（参考訳）: ドメイン間における人間の行動とニューラルダイナミクスを予測する逐次的文脈的フィット
• Abstract要約: 本研究は、現在の情報状態が最近のコンテキストとどの程度よく一致しているかの埋め込みベースの尺度であるシーケンシャル・コンテクスト・フィット(SCF)を計算し、テストする。 このメートル法は単純な直立重み付き類似性カーネルを使用し、単語、音、視覚シーン、感情状態、選択、行動、神経表現に適用することができる。
• 参考スコア（独自算出の注目度）: 23.77480663886995
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Human perception, action and decision making unfold in sequences, but computational predictors are often domain-specific. This study computes and tests sequential contextual fit (SCF), an embedding-based measure of how well a current information state matches its recent context. The metric uses a simple recency-weighted similarity kernel and can be applied to words, sounds, visual scenes, affective states, choices, actions and neural representations. Across language processing, music-evoked emotion, a subset of audiovisual emotion EEG data, gambling decisions, human activity recognition and decision-related EEG, lower contextual fit predicted longer processing times, larger affective or behavioural transitions and stronger neural-state changes. These effects remained after controlling for established predictors including surprisal, reinforcement-learning prediction error, acoustic change, visual change and sensor change. SCF therefore provides a computational measurement layer for relating contextual compatibility to behavioural processing and cognitive/neural state-transition dynamics.
• Abstract（参考訳）: 人間の知覚、行動、意思決定はシーケンスで展開されるが、計算予測子はドメイン固有であることが多い。 本研究は、現在の情報状態が最近のコンテキストとどの程度よく一致しているかの埋め込みベースの尺度であるシーケンシャル・コンテクスト・フィット(SCF)を計算し、テストする。 このメートル法は単純な直立重み付き類似性カーネルを使用し、単語、音、視覚シーン、感情状態、選択、行動、神経表現に適用することができる。 言語処理、音楽誘発感情、聴覚的感情のサブセット、脳波データ、ギャンブル決定、人間の活動認識と意思決定関連脳波、より長い処理時間、より大きな感情的または行動的遷移、より強い神経状態変化。 これらの効果は, 予備的, 強化学習予測誤差, 音響的変化, 視覚的変化, センサ変化など, 確立した予測器の制御後に残った。 したがって、SCFは、振る舞い処理と認知/神経状態遷移ダイナミクスとのコンテキスト整合性に関連する計算的な測定層を提供する。

関連論文リスト

• Cross-Subject Semantic Decoding with Shared-Space Alignment for Generalized Neural Representation Learning [80.18561652862725]
  被験者全体にわたる一般化は、侵襲的なニューラル記録において難しいままである。 本稿では,複数の被験者からの音声知覚に対するニューラル応答を共有潜在空間に整列させるクロスオブジェクトセマンティックデコーディングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-03T03:59:16Z)
• Decoding Naturalistic Emotion Dynamics from the Brain: An LLM-Enhanced Regression Framework [3.8543064191088203]
  神経信号からの感情状態の復号は、通常、離散的なシングルラベル分類タスクとしてフレーム化されている。 本研究では,複数の重なり合う感情の次元を時間とともに連続的な軌跡として追跡するために,多目的回帰フレームワークを採用することにより,感情の復号化を再認識する。
  論文  参考訳（メタデータ） (2026-06-05T10:40:22Z)
• Decoding Predictive Inference in Visual Language Processing via Spatiotemporal Neural Coherence [2.208251557767776]
  聴覚障害者の視覚言語刺激に対する神経応答を復号する機械学習フレームワークを提案する。 言語理解における左半球と低周波のコヒーレンスを重要視した。 この研究は、経験駆動の脳における知覚の生成モデルを探索するための新しいアプローチを示す。
  論文  参考訳（メタデータ） (2025-12-24T04:19:20Z)
• Investigating the Timescales of Language Processing with EEG and Language Models [0.0]
  本研究では,事前学習した言語モデルと脳波データからの単語表現のアライメントを検討することで,言語処理の時間的ダイナミクスについて検討する。 テンポラル・レスポンス・ファンクション(TRF)モデルを用いて、神経活動が異なる層にまたがるモデル表現とどのように対応するかを検討する。 分析の結果,異なる層からのTRFのパターンが明らかとなり,語彙的および構成的処理への様々な貢献が明らかになった。
  論文  参考訳（メタデータ） (2024-06-28T12:49:27Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• Enhancing Affective Representations of Music-Induced EEG through Multimodal Supervision and latent Domain Adaptation [34.726185927120355]
  脳波の重み付けとして音楽信号を用い,その意味的対応を共通の表現空間に投影することを目的としている。 我々は、LSTMに基づくアテンションモデルと、音楽タギングのための事前訓練されたモデルを組み合わせたバイモーダル・フレームワークと、その2つのモードの分布を整列するリバース・ドメイン・ディミネータを併用して、バイモーダル・フレームワークを利用する。 脳波入力クエリに関連音楽サンプルを提供することにより、モダリティのいずれからも、間接的に、教師付き予測を行うことで、感情認識に利用することができる。
  論文  参考訳（メタデータ） (2022-02-20T07:32:12Z)
• 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)
• EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
  本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。 我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。 発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
  論文  参考訳（メタデータ） (2021-10-19T14:22:04Z)
• Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation [75.3147962600095]
  通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。 心理学者との連携により,精神症状予測の枠組みを拡張した。 提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
  論文  参考訳（メタデータ） (2020-10-30T18:45:16Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。