1.8億回帰は脳と機械における高レベル視覚表現を成形する圧力について何を語ることができるか?【JST・京大機械翻訳】

Conwell, C.; Prince, J. S.; Kay, K. N.; Alvarez, G. A.; Konkle, T.

プレプリント

J-GLOBAL ID：202202204341532107 整理番号：22P0319397

1.8億回帰は脳と機械における高レベル視覚表現を成形する圧力について何を語ることができるか?【JST・京大機械翻訳】

What can 1.8 billion regressions tell us about the pressures shaping high-level visual representation in brains and machines?

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2023年07月01日プレプリントサーバーでの情報更新日： 2023年07月01日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

非常に高性能なコンピュータビジョンモデルの急速な発展とオープンソース放出は,異なる誘導バイアスが,高レベルヒト腹側視覚系との,異なる誘導バイアス衝撃表現学習と緊急アラインメントを,どのように調べるかを調べる新しい可能性を提供する。ここでは,異なるモデル特性の制御比較を可能にする224モデルの多様なセットを評価し,大規模機能的磁気共鳴イメージングデータを用いてそれらの脳予測性を試験した。質的に異なるアーキテクチャ(例えば,CNN対変換者)および著しく異なるタスク目的(例えば,純粋に視覚のコントラスト学習対視覚言語アラインメント)のモデルが,他の因子が一定に保たれるとき,ほぼ同等の程度の脳予測性を達成することを見出した。その代り,モデル視覚訓練飼料における変動は,緊急脳予測性に最も一貫した影響をもたらす。脳予測性(例えば,より大きな有効次元;学習可能パラメータ数)を増加させると一般的に疑われるモデル特性は,このより広範な調査を通してロバスト指標ではなかった。標準モデル対脳線形再重み付け法は,その根底にある表現における有意な変動にもかかわらず,非常に類似した脳予測スコアを持つので,あまりにも柔軟であるかもしれないことを強調する。広く,著者らの知見は,視覚食事の重要性を指摘し,脳にモデルをリンクするのに使用される方法に関する一般的な仮定の課題であり,また,生物学的および人工視覚系の基礎となる一般的な計算原理を探索するためのツールとして,既存のオープンソースモデルの完全な多様性を,より具体的に概観する将来の方向を,より具体的に概説する。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

脳・神経系モデル , 中枢神経系

, ,

前のページに戻る