Mathematical model development of emotion dimensions based on variation of uncertainty and its application to inverse problems

基于不确定性变化的情感维度数学模型建立及其在反问题中的应用

基本信息

批准号：
21H03528
负责人：
柳澤秀吉
金额：
$ 11.07万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

2021年度に定式化した自由エネルギーFを用いた感情次元モデルを基礎として、音楽の様に時系列で観測する刺激を得る場合の動的な感情を説明するモデルへと拡張した。時刻t時点で観測を得た後に減少するFであるKL-divergence(KLD)と、時刻tに対してt-1時点におけるF減少量の期待値(predicted KLD; pKLD)との差が情報処理の流暢性を表し、快の感情（pleasure）をすとの仮説を、実験美学における流暢性理論との対応から提案した。先行研究で得られている音楽の和音進行に対するpleasureの統計学習モデルと、本研究で提案する流暢性モデルとの結果を比較したところ、pleasureに対して有意な相関を確認した。これにより、データによる学習モデルによらず、和音列に対する快感情を情報量から予測できることを示した。一方、認識や視点の切り替えによるAha体験を、ベイズモデルの事前分布の切り替えによるF減少量（KLD)としてモデル化し、F減少量の大きさが面白さ(interest）といった快感情を表すと考えた。そして、モデルパラメータがF減少量に与える影響を網羅的に明らかにした。これを検証するために、視覚刺激を用いたfMRIによるモデル予測の妥当性実験のパラダイムを構築した。カードマジックの映像を視覚刺激として、マジックの種を明かす際の感情反応を主観報告と脳計測する予備実験を行った。実験では、種のヒントの有無で予測誤差を操作し、Fの減少量との対応を評価した。結果から、モデル予測を支持する傾向が得られた。感情モデルの逆問題応用として、自動車形状の生成システムの開発と検証を行った。具体的には、自動車の現行モデルを基本形状とし、同形状との差をガウス曲率の生起確率および遷移確率を用いたKL情報量と美的好みの官能評価値がヴント曲線となることを確認した。

基于使用2021年制定的自由能F的情绪维度模型，该模型已扩展以解释当获得按时间顺序观察（如音乐）观察到的刺激时的动态情绪。我们提出了一个假设，即KL差异（KLD）之间的差异是F，即在时间t获得观察结果和预测的KLD（PKLD）在时间t-1下降低的KLD（PKLD）在时间T-1上相对于时间T-1表示信息处理的流动性，并且通过相应的经验理论在实验理论中获得了愉悦。当比较娱乐的统计学习模型的结果以与本研究中提出的流利程度模型获得的音乐和弦进展的结果时，我们确认了与愉悦的显着相关性。这表明，无论基于数据的学习模型如何，都可以从信息量中预测有关和弦序列的令人愉悦的情绪。另一方面，由于贝叶斯模型中切换先前的分布而导致的f降低量（KLD）的AHA体验被模拟为F的数量（KLD），而F降低的幅度代表了一种令人愉悦的情感，例如有趣的情绪。模型参数对F还原的影响也得到了全面阐明。为了验证这一点，我们使用视觉刺激构建了fMRI对模型预测有效性实验的范式。我们进行了一个初步实验，当使用卡魔法作为视觉刺激揭示魔术的物种时，我们主观地报告了情绪反应的大脑测量。在实验中，通过物种提示的存在或不存在进行预测误差，并评估了与降低量减少的对应关系。结果提供了支持模型预测的趋势。我们开发并验证了一种用于生成汽车形状的系统，作为情绪模型的逆问题应用。具体而言，我们确认使用汽车的当前模型作为基本形状，以及相同形状与当前模型之间的差异与美学偏好的感觉评估值之间的差异。