動物運動の深い変分埋込みからの行動構造の同定【JST・京大機械翻訳】

Luxem, K.; Mocellin, P.; Fuhrmann, F.; Kuersch, J.; Remy, S.; Bauer, P.

プレプリント

J-GLOBAL ID：202202212810466156 整理番号：22P0027905

動物運動の深い変分埋込みからの行動構造の同定【JST・京大機械翻訳】

Identifying Behavioral Structure from Deep Variational Embeddings of Animal Motion

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 (6件)： , , , , ,
資料名：
発行年： 2022年01月14日プレプリントサーバーでの情報更新日： 2022年01月14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)

AO_SCPLOWBSTRACTC_SCPLOWQuanationと行動の階層的組織化の検出は神経科学における主要な課題である。マーカーレス姿勢推定における最近の進歩は,動物運動の高次元時空間行動動力学の可視化を可能にする。しかし,ロバストで信頼性のある技術的アプローチが,これらのデータにおける基礎となる構造を明らかにし,離散的な階層的組織化モチーフに行動を分割するのに必要である。ここでは,動物運動(VAME)の深い変分埋込みから行動構造を同定する教師なし確率的深層学習フレームワークを提示した。使用事例としてベータアミロイドーシスのマウスモデルを用いて,VAMEは離散行動モチーフを同定するだけでなく,モチーフ使用の階層的表現を捉えることを示した。このアプローチは,ヒト視覚観察によって検出されない個々のマウスコホートのコミュニティ特異的モチーフ使用におけるモチーフのグループ化および差異の検出を可能にする。したがって,著者らは,教師つきまたはアプリオリヒト干渉を必要とせずに,広範囲の実験セットアップ,モデル,および条件に適用できる動物運動の定量化のための,新規でロバストなアプローチを提示する。【JST・京大機械翻訳】

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

パターン認識

, , , , ,

前のページに戻る