論文の概要: Shaped by What's Missing: Topological Invariance Simplification Discovers Behavioral Transitions

• arxiv url: http://arxiv.org/abs/2611.00688v1
• Date: Sat, 31 Oct 2026 06:37:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-13 17:13:25.257278
• Title: Shaped by What's Missing: Topological Invariance Simplification Discovers Behavioral Transitions
• Title（参考訳）: 欠落によって形づくられる: トポロジ的不変性単純化は行動遷移を解明する
• Abstract要約: 適切な特徴空間において、持続的な振舞いは軌道の密度の風景の密度の高い領域であり、遷移はそれらを接続するスパース廊下とループである。 フレーム・バイ・フレーム・トラジェクトリからこの景観を構築し、その離散的モースグラフを抽出し、2種類の構造を保持する。 これらの構造をクラスタリングすると、アップストリーム状態のパーティションなしで、直接トランジションが生成される。
• 参考スコア（独自算出の注目度）: 8.192391034025254
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding how animals move between behaviors is a central question in neuroethology, yet most segmentation methods first partition time into discrete states, leaving transitions as the unmodeled residue between them. We take the opposite view: in a suitable feature space, sustained behaviors are dense regions of the trajectory's density landscape, and transitions are the sparse corridors and loops that connect them. Because this structure is a property of the landscape's shape rather than of any particular coordinates, it can be read off directly with topology and should persist across feature spaces. We build this landscape from frame-by-frame trajectories, extract its discrete-Morse graph, and keep two kinds of structure: paths, the corridors a trajectory follows between dense behavioral regions, and cycles, closed routes whose entry and exit take different ways. Clustering these structures yields transitions directly, with no upstream state partition. On a rat behavior dataset across three feature spaces, including the latent space of a neural-network controller that imitates the animal in a physics simulator, the approach recovers transitions at coverage comparable to state-space and topological-clustering baselines, while carrying substantially more information about the transition identity, forming clusters at least as tight as the baselines', and matching annotated transitions with less reliance on time-warping. More broadly, the results show that behavioral transitions are a topological feature of a representation: recoverable from the shape of its trajectories, and consistent across distinct feature spaces.
• Abstract（参考訳）: 動物が行動間でどのように動くかを理解することは神経倫理学において重要な問題であるが、ほとんどのセグメンテーション法はまず時間を離散状態に分割し、遷移はそれらの間の非モデル化された残基として残される。 適切な特徴空間では、持続的な挙動は軌道の密度景観の密度の高い領域であり、遷移はそれらを接続するスパース廊下とループである。 この構造は特定の座標ではなくランドスケープの形状の性質であるため、トポロジーで直接読み取ることができ、特徴空間をまたいで持続するべきである。 我々は、この景観をフレーム単位の軌跡から構築し、その離散Morseグラフを抽出し、2種類の構造を保持する。 これらの構造をクラスタリングすると、アップストリーム状態のパーティションなしで、直接トランジションが生成される。 物理学シミュレーターで動物を模倣する神経ネットワークコントローラの潜在空間を含む3つの特徴空間にわたるラットの行動データセットにおいて、このアプローチは状態空間やトポロジカルクラスタリングベースラインに匹敵する範囲での遷移を回復する。 より広範に、行動遷移は表現のトポロジカルな特徴であり、その軌道の形状から回復可能であり、異なる特徴空間間で一貫する。

関連論文リスト

• Finsler Flow Matching: Dynamics-Aware Geodesic Interpolation for Single-Snapshot Trajectory Inference [0.0]
  Finsler Flow Matching (FFM)は、離散マルコフ遷移グラフから連続力学を学ぶためのフレームワークである。 本研究は, 離散遷移確率から連続生成力学への経路を定式化し, 配向構造と拡散構造を両立させた。
  論文  参考訳（メタデータ） (2026-10-08T06:23:09Z)
• DyG$^2$T: Modeling Object Dynamics with 3D Gaussian Temporal-Spatial Particle Graph Transformer [86.4618122245946]
  DyG$2$Tは動的モデリングフレームワークで、キーポイント表現を空間的に完了し、時間的に識別することでオブジェクトの運動軌跡を推定する。 合成データセットと実世界のデータセットの両方の実験は、DyG$2$Tが正確な動的モデリングと推論を実現することを示した。
  論文  参考訳（メタデータ） (2026-08-19T03:44:28Z)
• FM-ChangeNet: Learning Change through Pathwise Feature Transport [0.28675177318965045]
  FM-ChangeNetは、変更検出のためのパスワイズ管理フレームワークである。 中間潜時状態を構築し,時間条件付速度場を学習する。 リモートセンシングベンチマークの実験では、提案するフレームワークがより構造化され、堅牢な変更表現を生成することが示されている。
  論文  参考訳（メタデータ） (2026-07-06T07:42:58Z)
• Towards Fast GNN Surrogates for CO2 Migration in Complex Geological Formations [58.079925240809644]
  本研究では, 地質ストレージにおけるCO$$$ibility plume マイグレーション予測に適したエンドツーエンドグラフニューラルネットワークサロゲートを提案する。 この方法は、CO$$ストレージシナリオを評価するために設計されたよく知られた業界テストケースであるSPE11Aベンチマークで評価される。 提案モデルでは, ガス飽和度と液相密度の競合予測を行い, 累積誤差は拡大予測地平線上では緩やかに保たれている。
  論文  参考訳（メタデータ） (2026-06-15T18:19:17Z)
• Video Analysis and Generation via a Semantic Progress Function [75.07700965101854]
  与えられたシーケンスの意味が時間とともにどのように進化するかをキャプチャする一次元表現を導入する。 各フレームに対して、セマンティック埋め込み間の距離を計算し、シーケンス間の累積的なセマンティックシフトを反映する滑らかな曲線を適合させる。 この知見に基づいて,シーケンスをパラメータ化して意味変化を一定速度で展開する意味線形化手法を提案する。
  論文  参考訳（メタデータ） (2026-04-24T13:48:51Z)
• TaCo: Capturing Spatio-Temporal Semantic Consistency in Remote Sensing Change Detection [54.22717266034045]
  Ta-Coは時間的意味遷移のための一貫したセマンティックネットワークである。 我々は,Ta-Coがリモートセンシング検出タスクにおいて一貫したSOTA性能を実現することを示す。 この設計は推論中に余分な計算オーバーヘッドを伴わずにかなりの利得を得ることができる。
  論文  参考訳（メタデータ） (2025-11-25T13:44:29Z)
• Place Cells as Multi-Scale Position Embeddings: Random Walk Transition Kernels for Path Planning [43.129849610367465]
  海馬は、集合的な場所細胞活動を通じて認知地図を符号化することで、空間ナビゲーションをサポートする。 この枠組みでは、内積または同値な埋め込み間のユークリッド距離は、複数のスケールにわたる遷移確率の観点から、位置間の類似性を符号化する。 非負性性と内産物構造の組み合わせは自然に空間性を誘導し、場所細胞の局所的な発火場を原則的に説明する。
  論文  参考訳（メタデータ） (2025-05-20T18:14:11Z)
• Mapping the Edge of Chaos: Fractal-Like Boundaries in The Trainability of Decoder-Only Transformer Models [0.0]
  ミニチュアニューラルネットワークによる最近の証拠は、これらの結果を分離する境界がフラクタル特性を示すことを示唆している。 本研究は、より一貫した収束尺度を用いて、中規模デコーダのみの変圧器アーキテクチャに拡張する。 その結果、訓練性フロンティアは単純なしきい値ではなく、複数のスケールで自己相似で一見ランダムな構造を形成することがわかった。
  論文  参考訳（メタデータ） (2025-01-08T05:24:11Z)
• Relative Representations: Topological and Geometric Perspectives [50.85040046976025]
  相対表現はゼロショットモデルの縫合に対する確立されたアプローチである。 相対変換において正規化手順を導入し、非等方的再スケーリングや置換に不変となる。 第二に、クラス内のクラスタリングを促進するトポロジカル正規化損失である、微調整された相対表現におけるトポロジカルデシフィケーションの展開を提案する。
  論文  参考訳（メタデータ） (2024-09-17T08:09:22Z)

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。