Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Net2Brain : une boîte à outils pour comparer les modèles de vision artificielle avec les réponses du cerveau humain

Created by
  • Haebom

Auteur

Domenic Bersch, Kshitij Dwivedi, Martina Vilas, Radoslaw M. Cichy, Gemma Roig

Contour

Net2Brain est une boîte à outils graphique et en ligne de commande permettant de comparer les espaces de représentation des réseaux de neurones profonds (DNN) avec les enregistrements EEG humains. Contrairement aux boîtes à outils existantes qui ne prennent en charge qu'une seule fonction ou se concentrent sur un petit sous-ensemble de modèles de classification d'images supervisés, Net2Brain extrait les activations de plus de 600 DNN entraînés à effectuer diverses tâches liées à la vision (par exemple, segmentation sémantique, estimation de profondeur, reconnaissance d'actions, etc.) à partir d'ensembles de données image et vidéo. La boîte à outils calcule une matrice de similarité représentationnelle (RDM) pour ces activations et les compare aux enregistrements EEG grâce à une analyse de similarité représentationnelle (RSA) utilisant des régions d'intérêt (ROI) spécifiques, une recherche par projecteur et une RSA pondérée. De plus, de nouveaux ensembles de données de stimuli et d'enregistrements EEG peuvent être ajoutés à la boîte à outils pour évaluation. Cet article démontre les capacités et les avantages de Net2Brain à travers un exemple illustrant comment tester des hypothèses en neurosciences cognitives computationnelles.

Takeaways, Limitations

Takeaways : Fournit une boîte à outils complète pour comparer les espaces de représentation de divers réseaux neuronaux profonds et enregistrements EEG. Prend en charge diverses méthodes d'analyse utilisant RSA et RSA pondéré. De nouveaux ensembles de données peuvent être ajoutés. Fournit un outil utile pour la recherche en neurosciences cognitives computationnelles.
Limitations : Actuellement axé sur les tâches liées à la vision. Manque de prise en charge d'autres modalités (par exemple, auditives). Une planification à long terme est nécessaire pour l'évolutivité et la maintenance de la boîte à outils. Biais potentiel en faveur d'architectures ou d'ensembles de données DNN spécifiques.
👍