論文の概要: Simulating Infant Senses with Age-Tuned Networks

• arxiv url: http://arxiv.org/abs/2610.25377v1
• Date: Sun, 18 Oct 2026 16:28:27 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:39:58.59217
• Title: Simulating Infant Senses with Age-Tuned Networks
• Title（参考訳）: 年齢調整ネットワークによる乳幼児の感覚のシミュレート
• Abstract要約: 特定の年齢に合わせて調整された小さなニューラルネットワークが、感覚知覚の迅速かつ検査可能なシミュレーションになるかどうかを問う。 それぞれの感覚の未成熟度は、入力に対する固定年齢インデクシングフィルタとして記述され、最初の1年で小さな予測ネットワークが学習する。 フィルターだけは、その感覚が成熟した順序を、建設によって再現する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: What a newborn sees, hears and feels, and how this changes month by month, has been measured sense by sense, with different methods and in different units. We bring these measurements together for the first two years of life and ask whether small neural networks tuned to a given age can turn them into a quick, inspectable simulation of sensory perception. Each sense's immaturity is written as a fixed, age-indexed filter on the input, and a small prediction network learns behind it over the first year. The filters alone reproduce the order in which the senses mature, by construction. The networks add what filters cannot: in vision they extract far less than their input allows at early stages (at the newborn stage a toy's position cannot be read out, $R^2 = 0.00$, against 0.57 for a network trained directly on the same input), and a critical period and perceptual narrowing emerge without being built in; in hearing they track what their input allows. The same filters drive the Baby Senses Lab, a free website that shows a user's own images and sounds as a baby of a chosen age might sense them. It is a research and teaching tool, not a diagnostic test.
• Abstract（参考訳）: 新生児が見るもの、聞くもの、感じるもの、そして月ごとにどのように変化するかは、異なる方法と異なる単位で、意味によって測定されてきた。 最初の2年間、これらの測定結果をまとめて、特定の年齢に合わせて調整された小さなニューラルネットワークが、感覚知覚の迅速かつ検査可能なシミュレーションになるかどうかを尋ねる。 それぞれの感覚の未成熟度は、入力に対する固定年齢インデクシングフィルタとして記述され、最初の1年で小さな予測ネットワークが学習する。 フィルターだけは、その感覚が成熟した順序を、建設によって再現する。 初期の段階では、おもちゃの位置は読み取れず、$R^2 = 0.00$、同じ入力で直接訓練されたネットワークでは0.57に対して$R^2 = 0.00$)、重要な期間と知覚的狭さが組み込まれずに現れる。 同じフィルターがBaby Senses Labを駆動する。これは無料のウェブサイトで、ユーザーが選んだ年齢の赤ちゃんのイメージや音を検知する。 これは研究と教育のツールであり、診断テストではない。

関連論文リスト

• Do Blind Spots Matter for Word-Referent Mapping? A Computational Study with Infant Egocentric Video [5.419344998705856]
  子どもたちは6ヶ月から9ヶ月の間に最初の言葉を学び始めます。 事前の知識がなければ、初めて遭遇した単語は数え切れないほど解釈できる。 本稿では,強い視覚表現を学習するための,自己監督的かつ生物学的に妥当な戦略を提案する。
  論文  参考訳（メタデータ） (2025-11-13T04:10:57Z)
• KiVA: Kid-inspired Visual Analogies for Testing Large Multimodal Models [43.86823330035457]
  本稿では,大型マルチモーダルモデル(LMM)における視覚的類似推論について,大人や子供と比較して検討する。 我々は,視覚的類似推論に基づくLMMのテストを行うために,日常オブジェクトの4300の視覚的変換のベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-07-25T05:02:39Z)
• Device (In)Dependence of Deep Learning-based Image Age Approximation [4.088355251010862]
  時間的画像法医学の目標は、同じデバイスからの画像に対して、デジタル画像の年齢を近似することである。 本研究では,一つのデバイスからの画像にネットワークをトレーニングし,異なるデバイスからの画像にトレーニングされたモデルを適用することにより,これを実証的に評価する。
  論文  参考訳（メタデータ） (2024-04-18T08:05:23Z)
• LipSim: A Provably Robust Perceptual Similarity Metric [56.03417732498859]
  敵攻撃に対するViTベースの特徴抽出器のアンサンブルに基づく,最先端の知覚的類似度指標の脆弱性を示す。 次に、証明可能な保証とともに、LipSimと呼ばれる堅牢な知覚的類似度メトリックをトレーニングするためのフレームワークを提案する。 LipSimは、各データポイント周辺の保護された領域と、$ell$ ball内のすべての摂動の証明書を提供する。
  論文  参考訳（メタデータ） (2023-10-27T16:59:51Z)
• Detection of Children Abuse by Voice and Audio Classification by Short-Time Fourier Transform Machine Learning implemented on Nvidia Edge GPU device [0.0]
  この実験は、機械学習を使って子供の声を分類し、認識する。 子供が泣き叫んだり叫んだりすると、直ちに関連する職員に警告が送られる。
  論文  参考訳（メタデータ） (2023-07-27T16:48:19Z)
• Toward a realistic model of speech processing in the brain with self-supervised learning [67.7130239674153]
  生波形で訓練された自己教師型アルゴリズムは有望な候補である。 We show that Wav2Vec 2.0 learns brain-like representations with little as 600 hours of unlabelled speech。
  論文  参考訳（メタデータ） (2022-06-03T17:01:46Z)
• Neuron-based explanations of neural networks sacrifice completeness and interpretability [67.53271920386851]
  我々は、ImageNetで事前訓練されたAlexNetに対して、ニューロンに基づく説明法が完全性と解釈可能性の両方を犠牲にすることを示す。 我々は、最も重要な主成分が、最も重要なニューロンよりも完全で解釈可能な説明を提供することを示す。 この結果から,AlexNet などのネットワークに対する説明手法は,ニューロンを埋め込みの基盤として使用するべきではないことが示唆された。
  論文  参考訳（メタデータ） (2020-11-05T21:26:03Z)
• Filter Grafting for Deep Neural Networks: Reason, Method, and Cultivation [86.91324735966766]
  フィルタは現代の畳み込みニューラルネットワーク(CNN)のキーコンポーネントである 本稿では,この目的を達成するためにフィルタグラフト(textbfMethod)を導入する。 我々は,フィルタの情報を測定するための新しい基準と,グラフトされた情報をネットワーク間でバランスをとるための適応重み付け戦略を開発する。
  論文  参考訳（メタデータ） (2020-04-26T08:36:26Z)
• Filter Grafting for Deep Neural Networks [71.39169475500324]
  ディープニューラルネットワーク(DNN)の表現能力向上を目的としたフィルタグラフト 我々は,フィルタの情報を測定するエントロピーベースの基準と,ネットワーク間のグラフト情報のバランスをとるための適応重み付け戦略を開発する。 例えば、グラフトされたMobileNetV2は、CIFAR-100データセットで非グラフトされたMobileNetV2を約7%上回っている。
  論文  参考訳（メタデータ） (2020-01-15T03:18:57Z)

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。