fMRI编码中的回归专家混合模型
机器学习
2018-12-04 v2 人机交互
机器学习
摘要
利用语言编码模型的fMRI语义类别理解试图学习将刺激与相应脑激活关联的前向映射。经典编码模型使用线性多变量方法在给定刺激时预测脑激活（所有体素）。然而，这些方法本质上将多个区域视为一个大的均匀区域或若干独立区域，忽略了它们之间的联系。本文中，我们提出一种基于专家混合的模型，其中一组专家捕捉与特定感兴趣区域（ROI）相关的脑活动模式，并展示不同专家间的判别性。该模型以编码为25维特征向量的词刺激作为输入，以相应脑响应作为输出进行训练。给定新词（25维特征向量），它通过将多个专家的脑激活进行线性组合来预测整个脑激活。我们认为每位专家学习了与其词类别对应的特定脑激活区域，从而以简单编码模型解决了区域识别问题。我们展示了所提基于专家混合的模型确实学习了基于区域的专家，并以高空间精度预测脑激活。
引用
@article{arxiv.1811.10740,
title = {Mixture of Regression Experts in fMRI Encoding},
author = {Subba Reddy Oota and Adithya Avvaru and Naresh Manwani and Raju S. Bapi},
journal= {arXiv preprint arXiv:1811.10740},
year = {2018}
}
备注
8 pages, 3 figures, Workshop on Visually Grounded Interaction and Language @ 32nd Conference on Neural Information Processing Systems (NeurIPS 2018), Montr\'eal, Canada