[3Win5] ポスターセッション3

[3Win5-03] Lipschitz強化リッジ回帰によるテキスト埋め込みと脳活動の関連性解明と考察

〇羅 桜¹、小林 一郎¹ (1.お茶の水女子大学)

1Win4-106で発表

キーワード：ブートストラップリッジ回帰、リプシッツアルゴリズム、脳エンコーディング

脳のエンコーディング課題は、通常、回帰分析を用いて外部刺激から神経応答を予測する。しかし、データ内の複雑な関係性を維持することは依然として重要な課題となっている。これを解決するために、Lipschitz 制約をリッジ回帰に適用する手法を提案し、テキスト埋め込みからの大脳皮質応答の予測精度を大幅に向上させる。
最先端の 7つのディープラーニングモデルを比較した結果、提案手法が優れた性能を示した。Lipschitz 制約はデータの構造的整合性を維持し、予測相関を向上させる効果がある。さらに、情報理論的な分析を用いて、大脳皮質の応答パターンをより詳しく調査した。
結果として、Lipschitz を適用したリッジ回帰は、従来手法よりも予測相関とデータの構造保持の両面で優れた性能を発揮した。特に、ピアソン相関係数の向上が顕著であり、複数のモデルにおいて 111% から 175% 以上の改善が見られた。また、これまで性能が低かった指標も、より直感的かつ顕著な向上を示した。