論文の概要: It's the Geometry, Not the Model: Effective Rank and Subspace Alignment in Functional Connectivity Classification

• arxiv url: http://arxiv.org/abs/2609.29932v1
• Date: Thu, 24 Sep 2026 15:00:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:10.034992
• Title: It's the Geometry, Not the Model: Effective Rank and Subspace Alignment in Functional Connectivity Classification
• Title（参考訳）: モデルではなく幾何学である:機能接続性分類における有効ランクと部分空間アライメント
• Abstract要約: 静止状態機能接続(FC)は脳の表現型や障害の分類に広く用いられている。 FC幾何が分類とクロスサイト転送にどのように制約するかを検討する。
• 参考スコア（独自算出の注目度）: 11.497054134055327
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Resting-state functional connectivity (FC) is widely used to classify brain phenotypes and disorders. Most pipelines use the full connectome and seek gains through model design. We instead examine how FC geometry constrains classification and cross-site transfer. Across-subject FC variation concentrates in a small effective subspace, suggesting substantial redundancy in nominal dimensions. Across cohorts, these subspaces may differ in orientation even when their effective ranks are comparable, potentially limiting transfer. Across 2,330 subjects from HCP, ABIDE, and ADHD-200, effective-rank analysis reveals strong spectral concentration. Projection onto leading components at the effective-rank scale recovers most of the full-FC classification performance. In ABIDE, site-specific effective subspaces are weakly aligned, and their principal-angle overlap predicts pairwise transfer after covariate adjustment despite comparable per-site effective ranks. Controlled rotations that alter subspace orientation while preserving the mean and covariance spectrum drive transfer toward chance, whereas displacement-matched label-orthogonal rotations do not. These results identify subspace orientation as a key factor in transfer degradation under controlled perturbations. This study offers a geometric diagnostic of FC generalization and suggests evaluating cross-site harmonization by its ability to align effective subspaces alongside classification accuracy.
• Abstract（参考訳）: 静止状態機能接続(FC)は脳の表現型や障害の分類に広く用いられている。 ほとんどのパイプラインは完全なコネクトームを使用し、モデル設計を通じて利益を得る。 代わりに、FC幾何が分類とクロスサイト移動をいかに制限するかを検討する。 アクロスオブジェクトFCの変動は小さな実効部分空間に集中しており、名目次元におけるかなりの冗長性を示唆している。 コホート全体において、これらの部分空間は、有効ランクが同値である場合でも向きが異なり、移動が制限される可能性がある。 HCP, ABIDE, ADHD-200の2,330名中, 有効ランク分析の結果, 強いスペクトル濃度が認められた。 有効ランクスケールでの主成分への射影は、フルFC分類性能のほとんどを回復させる。 ABIDEでは、サイト固有の有効部分空間は弱整列であり、それらの主角重なりは、サイトごとの有効ランクに匹敵するものの、共変量調整後のペア移動を予測する。 平均と共分散スペクトルを保ちながら部分空間配向を変化させる制御された回転はチャンスへの移動を駆動するが、変位整合ラベル-直交回転は起こらない。 これらの結果は、制御された摂動下での移動劣化の重要な要因として、部分空間配向を同定する。 本研究は, FC一般化の幾何学的診断を提供し, 有効部分空間を分類精度とともに整列させることにより, クロスサイト調和性を評価することを提案する。

関連論文リスト

• FAN-LoRA: A Fourier-Adaptive Nonlinear Low-Rank Adaptor for Medical Foundation Model Domain Adaptation [11.04143971119602]
  本稿では,周波数分離型ファインチューニングアーキテクチャであるFAN-LoRAを提案する。 FAN-LoRAは、最先端のPEFTベースラインを一貫して上回ることを示す。 提案手法は,最強の競合相手と比較して,平均Diceスコアにおける一貫した改善と境界誤差の顕著な低減を実現している。
  論文  参考訳（メタデータ） (2026-08-27T02:08:57Z)
• Feed-Forward Steering in Transformer Residual Dynamics [4.109803241412197]
  我々は,各トークン状態に,フィードフォワードネットワーク(FFN)という用語を局所的なステアリングフィールドとして組み込むことで,注目のみのトランスフォーマー残方向を延長する。 得られた理論は、残留方向空間における運動にはFFN場の接成分が必要であると予測する。 現実的な応用として、小さな通勤者欠陥のある層は、わずかに損失が増加するだけでほぼ並列化できる。
  論文  参考訳（メタデータ） (2026-08-03T11:15:31Z)
• Rank-Aware Hyperbolic Alignment for Vision-Language Dataset Distillation [54.74045834035952]
  視覚言語データセット蒸留(VLDD)は、大きな画像テキストのペア化されたデータセットを小さな合成ペアに圧縮する。 階層幾何学と明示的なアライメント・キャパシティ制御を組み合わせたランク認識型双曲アライメント(RAHA)を提案する。 RAHAは、競争力のあるクロスモーダル検索と、固定予算下での転送インジケータの改善を示す。
  論文  参考訳（メタデータ） (2026-06-28T15:41:31Z)
• Shift-Dependent Asymmetry: Orthogonal Inverse Low-Rank Adaptation for Federated Medical Segmentation [60.41721951405564]
  Low-Rank Adaptation (LoRA)は、医療画像のためのセグメンテーション基盤モデルの効率的なフェデレーション微調整を可能にする。 ほとんどの連合LoRA法は、医学的セグメンテーションにおいてエンコーダ-デコーダ非対称性の下で破れる一様アグリゲーション規則を採用している。 このミスマッチの絡み合いは、サイト固有のバイアスと解剖を共有し、一般化を損なう。 本稿では,効率的な更新空間における共有局所コリニアリティを罰する部分空間直交正規化器を提案する。
  論文  参考訳（メタデータ） (2026-06-07T15:39:28Z)
• Unsupervised Domain Shift Detection with Interpretable Subspace Attribution [48.553902624178995]
  ドメインシフトはデータセットの確率分布の微妙な違いである。 高次元特徴空間における局所密度異常を検出するアルゴリズムを用いて,これらのシフトを同定する。 ドメインシフトを小さな機能セットにトレースすることで、シフトを解釈できます。
  論文  参考訳（メタデータ） (2026-05-15T12:58:00Z)
• Cross-Domain Transfer with Self-Supervised Spectral-Spatial Modeling for Hyperspectral Image Classification [5.784164305429653]
  本稿では,自己管理型クロスドメイン転送フレームワークを提案する。 ソースラベルなしで伝送可能なスペクトル-空間結合表現を学習する。 実験結果は、安定した分類性能と強いクロスドメイン適応性を示す。
  論文  参考訳（メタデータ） (2026-01-26T02:52:35Z)
• SPINAL -- Scaling-law and Preference Integration in Neural Alignment Layers [16.976750197698063]
  本研究では,深度にまたがってアライメントが表現にどう影響するかを測定する診断手法であるSPINALを紹介する。 モデルファミリ全体で、DPOは最終デコーダブロックに集中する層ワイドキャリブレーション効果を生成する。 調整されたチェックポイントは、収縮の後期層の増加と輸送の円滑な減少を示し、厳密で安定した政策質量と一致している。
  論文  参考訳（メタデータ） (2026-01-08T17:47:12Z)
• Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via Optimization Trajectory Distillation [73.83178465971552]
  自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。 非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。 本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
  論文  参考訳（メタデータ） (2023-07-27T08:58:05Z)
• Improving Covariance Conditioning of the SVD Meta-layer by Orthogonality [65.67315418971688]
  最寄り直交勾配(NOG)と最適学習率(OLR)を提案する。 視覚認識実験は,共分散条件と一般化を同時に改善できることを実証した。
  論文  参考訳（メタデータ） (2022-07-05T15:39:29Z)
• Joint and Progressive Subspace Analysis (JPSA) with Spatial-Spectral Manifold Alignment for Semi-Supervised Hyperspectral Dimensionality Reduction [48.73525876467408]
  本稿では,超スペクトル部分空間解析のための新しい手法を提案する。 この手法はジョイント・アンド・プログレッシブ・サブスペース分析(JPSA)と呼ばれる。 2つの広帯域超スペクトルデータセットに対して提案したJPSAの優位性と有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2020-09-21T16:29:59Z)
• Revisiting Spatial Invariance with Low-Rank Local Connectivity [33.430515807834254]
  空間的不変性を緩和することで,畳み込み層と局所連結層の両方の分類精度が向上することを示す。 小さな畳み込みネットワークを用いた実験では、空間的不変性が畳み込み層と局所連結層の両方の分類精度を向上させることが判明した。
  論文  参考訳（メタデータ） (2020-02-07T18:56:37Z)

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。