論文の概要: Modeling Shared and Individual Structure for Cross-Subject Continuous Affect Regression from EEG-fNIRS

• arxiv url: http://arxiv.org/abs/2610.02796v1
• Date: Fri, 02 Oct 2026 04:37:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.208974
• Title: Modeling Shared and Individual Structure for Cross-Subject Continuous Affect Regression from EEG-fNIRS
• Title（参考訳）: 脳波fNIRSからのクロスオブジェクト連続影響回帰のための共有構造と個別構造のモデル化
• Abstract要約: 我々は、同期EEG-fNIRSデータセット上で、より厳密なゼロショット・クロスオブジェクト変種について検討する。 我々は、同じ刺激を見ている被験者間で共有される構造に、影響の軌跡を分解する。 保持対象について、モデルは2つの評価バッチで25.96 / 22.80のMAEに達する。
• 参考スコア（独自算出の注目度）: 11.540745916991474
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Continuous, second-by-second valence-arousal estimation from physiological signals is typically studied in a subject-dependent setting, where the model sees labeled data from the same person it is later evaluated on. We study the harder zero-shot cross-subject variant on a synchronized EEG-fNIRS dataset: predict raw-scale ([1, 255]) valence and arousal trajectories for subjects whose labels the model never observes, given only their unlabeled EEG/fNIRS recordings while watching the same video stimuli as a disjoint set of training subjects. We decompose the affect trajectory into a structure shared across subjects who watch the same stimuli and an individual structure estimated for each test subject from a label-free EEG marker (alpha-band cross-channel synchrony), which rescales the shared trajectory around the scale midpoint. We validate the per-subject calibration mechanism on four independent axes: leave-one-subject-out correlation between the marker and each subject's true optimal gain, a functional-form comparison against non-linear alternatives, a repeated leave-4-out component ablation isolating each part of the pipeline's contribution, and a ceiling analysis bounding the remaining headroom for per-subject scaling. On held-out subjects, the model reaches an overall MAE of 25.96 / 22.80 across two evaluation batches (valence 21.94 / 19.6, arousal 29.98 / 26.0), well below EEGNet and ASAC-Net baselines reported for the same subject-independent split (raw scale score 60.6 and 55.0 respectively). We further report a systematic negative-result search across model architectures, feature representations, and prediction targets that found no signal able to improve on the single alpha-synchrony marker.
• Abstract（参考訳）: 生理的信号からの連続的、2秒間価-覚醒的評価は、モデルが後に評価される同一人物のラベル付きデータを見る主題依存的な設定で研究されるのが一般的である。 モデルが観測されない被験者に対して, 生スケール ([1, 255]) の速度と覚醒軌跡を予測し, トレーニング対象の非ラベルの脳波/fNIRS記録のみを考慮し, 同じ映像刺激をトレーニング対象の非結合集合として観察する。 本研究では,同一刺激を視る被験者間で共有される影響軌跡と,ラベルのない脳波マーカー(アルファバンド・クロスチャネル同期)から各被験者に推定される個々の構造に分解し,尺度中点付近で共有軌跡を再スケールする。 本研究は,4つの独立した軸上の物体ごとのキャリブレーション機構を検証し,マーカーと被験者の真の最適利得の相関関係,非線形代替品との関数形式比較,パイプラインの寄与のそれぞれを分離する繰り返しのLeft-4-out成分のアブレーション,および各オブジェクトごとのスケーリングのために残りのヘッドルームを有界な天井解析で検証した。 保持された被験者では、2つの評価バッチ(価値 21.94 / 19.6, arousal 29.98 / 26.0)で25.96 / 22.80のMAEに達し、同じ被写体独立スプリットで報告されたEEGNetとASAC-Netベースライン(それぞれ60.6と55.0)よりかなり低い。 さらに、モデルアーキテクチャ、特徴表現、予測ターゲットを横断する体系的なネガティブな探索を報告し、単一のα-同期マーカーで改善できる信号は見つからなかった。

関連論文リスト

• GAUGE: Group-Wise View-Inconsistency Rectification for Feed-Forward 4D Tracking [48.91477882822122]
  本稿では,GAUGE(Group-wise Adaptive Unsupervised Gauge Estimation)について述べる。 方向整合性と空間接続性から運動群を復元し、フレーム単位のラジアルスケールとグループレベルの変換を推定する。 D4RT, 4RC, SM4RTを含む8つのトラッカーの動的クエリポイントでは, 訂正されていない予測に対して, 終端誤差を15.1%から62.6%削減する。
  論文  参考訳（メタデータ） (2026-09-26T13:14:53Z)
• Modeling Clinical Workflow for SYNTAX Scoring from Coronary Angiography Videos [73.50200033931148]
  我々はSynTAXスコアを血管セグメントのアイデンティティ保存解剖学的推論問題として再構成する。 本手法は, 骨・骨・骨・骨・骨の骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨
  論文  参考訳（メタデータ） (2026-09-20T11:08:19Z)
• Not All Nodes Are Created Equal: Homophily-Aware Stratification for Stable GNN Evaluation [5.880659774011303]
  グラフニューラルネットワークは、トランスダクティブノード分類に広く利用されている。 hp は位相対応の層状化処理であり、ノードのホモフィリーを一次層状化軸として扱う。 hpは、ランダムな$k$-foldの2.31と比較して平均安定性ランクが1.49であり、15データセットの13の平均安定性ランクが最低である。
  論文  参考訳（メタデータ） (2026-09-16T11:27:08Z)
• 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)
• Back to All-Entity Ranking: Sampler-Dependent Evaluation in Continuous-Time Dynamic Graphs [0.0]
  CTDGsの次の決定予測は、サンプルされた負の目的地に対する観測された相互作用をランク付けする。 非均一な負の分布がベイズ最適ランクを変化させることを示す。 本機構は, 観察・未知の陰性に対する繰り返し陽性, 新規陽性の因子的評価を用いて検討した。
  論文  参考訳（メタデータ） (2026-07-30T08:37:43Z)
• Heterogeneous Ordinal Structure Learning with Bayesian Nonparametric Complexity Discovery [1.089614199781423]
  既存の順序構造学習者は、すべての回答者に対して共有指向非巡回グラフ(DAG)を仮定する。 最近の順序的グラフィカルモデルアプローチは、クラスタ固有のDAG推定ではなく、サブグループ発見に焦点を当てている。
  論文  参考訳（メタデータ） (2026-05-05T18:32:49Z)
• Synthetic Tabular Generators Fail to Preserve Behavioral Fraud Patterns: A Benchmark on Temporal, Velocity, and Multi-Account Signals [0.0]
  本研究では,4つの行動不正パターン(P1-P4)の分類法を定式化し,事象間タイミング,バースト構造,マルチアカウントグラフモチーフ,速度ルールトリガ率について検討した。 我々は、IEEE-CIS Fraud DetectionとAmazon FraudデータセットでCTGAN、TVAE、GaussianCopula、TabularARGNをベンチマークした。 P1-P4フレームワークは、医療やネットワークセキュリティを含む、エンティティレベルのシーケンシャルデータを持つ任意のドメインに拡張する。
  論文  参考訳（メタデータ） (2026-04-13T19:36:00Z)
• Data-Driven Analysis of Intersectional Bias in Image Classification: A Framework with Bias-Weighted Augmentation [0.0]
  本稿では,定量的フェアネス指標と解釈可能性ツールを組み合わせ,モデル予測におけるバイアスパターンの同定を行うIFEF(Intersectional Fairness Evaluation Framework)を提案する。 次に、サブグループ分布統計に基づいて変換強度を適応する新しいデータ拡張戦略であるバイアス重み拡張(BWA)を提案する。 5つのオブジェクトクラスを持つOpen Images V7データセットの実験では、BWAは、表現不足のクラス環境交差点の精度を最大24ポイント向上することを示した。
  論文  参考訳（メタデータ） (2025-10-17T09:10:57Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)
• AttriMeter: An Attribute-guided Metric Interpreter for Person Re-Identification [100.3112429685558]
  Person ReIDシステムは、2人とのマッチング時にのみ距離や類似性を提供します。 CNN ベースの ReID モデルの結果を意味的に,定量的に説明する Attribute-Guided Metric Interpreter を提案する。
  論文  参考訳（メタデータ） (2021-03-02T03:37:48Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)

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。