AI और दुनिया की कठिन समस्याएँ · जीव विज्ञान · arXiv · 2026-10-23

EEG के लिए सिमुलेशन-आधारित अनुमान में गेट-आधारित फ़ीचर महत्व: एक सावधानी भरी कहानी

मूल शीर्षक: Gate-Based Feature Importance in Simulation-Based Inference for EEG: A Cautionary Tale

सिमुलेशन-आधारित अनुमान (simulation-based inference) यांत्रिक मॉडलों को डेटा के अनुरूप बैठाता है, लेकिन यह बहुत कम जानकारी देता है कि कौन-सी सूचना अनुमानित मापदंडों को निर्धारित करती है। इस अध्ययन ने परखा कि क्या सीखे गए फ़ीचर-गेट भार फ़ीचर के महत्व को दर्शाते हैं। इसके लिए Jansen-Rit मॉडल के चार शारीरिक मापदंडों का न्यूरल पोस्टीरियर अनुमान (neural posterior estimation) इस्तेमाल किया गया और उसकी तुलना पुनः-प्रशिक्षण पर आधारित एब्लेशन बेंचमार्क से की गई। नौ प्रशिक्षण सीड्स में, गेट-आधारित और एब्लेशन-आधारित महत्व ऋणात्मक रूप से सहसंबद्ध थे (sigmoid गेटिंग के लिए Spearman का rho लगभग -0.61 और softmax गेटिंग के लिए -0.56), और कुल सिग्नल पावर, जो एब्लेशन के अनुसार सबसे महत्वपूर्ण फ़ीचर था, गेट द्वारा सबसे अधिक कम भार दिए गए फ़ीचरों में से एक था। इसलिए सीखे गए गेट भारों को कारणात्मक फ़ीचर महत्व के रूप में पढ़ने में सावधानी बरतने की आवश्यकता है।

मूल लेख पढ़ें ↗

सभी आइटम →