MVICAD2: Phương pháp phân tích thành phần độc lập đa góc nhìn với độ trễ và độ giãn nở

Tác giả: Ambroise Heurtebise†, Omar Chehab‡, Pierre Ablin, Alexandre Gramfort†

Các kỹ thuật học máy trong môi trường đa góc nhìn (multi-view) đối mặt với những thách thức đáng kể, đặc biệt là khi tích hợp dữ liệu không đồng nhất, căn chỉnh không gian đặc trưng và quản lý các sai lệch đặc thù theo góc nhìn. Những vấn đề này rất nổi bật trong lĩnh vực khoa học thần kinh, nơi dữ liệu từ nhiều đối tượng cùng tiếp xúc với các kích thích giống nhau được phân tích để khám phá động lực học hoạt động của não bộ. Trong kỹ thuật đo từ não đồ (MEG), nơi các tín hiệu được thu thập ở cấp độ da đầu, việc ước tính các nguồn gốc cơ bản của não là rất quan trọng, đặc biệt là trong các nghiên cứu nhóm, nơi các nguồn được giả định là tương tự nhau đối với tất cả đối tượng. Các phương pháp phổ biến, chẳng hạn như Multi-View Independent Component Analysis (MVICA), giả định các nguồn giống hệt nhau giữa các đối tượng, nhưng giả định này thường quá hạn chế do sự biến đổi cá nhân và những thay đổi liên quan đến tuổi tác. Multi-View Independent Component Analysis with Delays (MVICAD) giải quyết vấn đề này bằng cách cho phép các nguồn khác biệt dựa trên độ trễ thời gian. Tuy nhiên, các hiệu ứng giãn nở thời gian, đặc biệt là trong các kích thích thính giác, rất phổ biến trong động lực học não bộ, khiến việc chỉ ước tính độ trễ thời gian là không đủ. Để giải quyết vấn đề này, chúng tôi đề xuất Multi-View Independent Component Analysis with Delays and Dilations (MVICAD2), cho phép các nguồn khác biệt giữa các đối tượng ở cả độ trễ và độ giãn nở thời gian. Chúng tôi trình bày một mô hình với các nguồn có thể xác định được, rút ra công thức xấp xỉ của hàm hợp lý (likelihood) ở dạng đóng, đồng thời sử dụng các kỹ thuật chính quy hóa và tối ưu hóa để nâng cao hiệu suất. Thông qua các mô phỏng, chúng tôi chứng minh rằng MVICAD2 vượt trội hơn các phương pháp ICA đa góc nhìn hiện có. Chúng tôi tiếp tục xác thực tính hiệu quả của nó bằng cách sử dụng tập dữ liệu Cam-CAN và chỉ ra cách các độ trễ và độ giãn nở liên quan đến quá trình lão hóa.

Các bài đọc và cập nhật liên quan.

Chúng tôi đề xuất một phương pháp tiếp cận mới đối với việc khám phá nhân quả tuyến tính trong khuôn khổ các mô hình phương trình cấu trúc (SEM) đa góc nhìn. Mô hình được đề xuất của chúng tôi nới lỏng giả định phổ biến về các nhiễu phi Gaussian bằng cách thay thế bằng giả định về sự đa dạng của phương sai trên các góc nhìn, giúp nó có khả năng ứng dụng rộng rãi hơn. Chúng tôi chứng minh khả năng xác định tất cả các tham số của mô hình mà không cần thêm bất kỳ giả định nào về cấu trúc của SEM ngoài việc nó là một đồ thị không chu trình (acyclic).

Đọc thêm

Tam giác đạc đa góc nhìn (multi-view triangulation) là tiêu chuẩn vàng để tái tạo 3D từ các điểm tương ứng 2D, với điều kiện đã biết hiệu chuẩn và có đủ góc nhìn. Tuy nhiên, trong thực tế, các thiết lập đa góc nhìn đắt đỏ — bao gồm hàng chục, đôi khi hàng trăm máy ảnh — là cần thiết để đạt được các bản tái tạo 3D độ trung thực cao phục vụ cho các ứng dụng hiện đại. Trong công trình này, chúng tôi trình bày một phương pháp tiếp cận mới tận dụng những tiến bộ gần đây trong việc nâng cấp 2D-3D sử dụng các tiền đề hình dạng thần kinh (neural shape priors)…

Đọc thêm