2017 Fiscal Year Annual Research Report
Metric structure of kernel Grassmannian representation and its application to brain signal processing
| Project/Area Number |
15K00302
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
鷲沢 嘉一 電気通信大学, 大学院情報理工学研究科, 准教授 (10419880)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | グラスマン多様体 / 脳信号処理 / ブレインコンピュータインターフェース |
|---|
| Outline of Annual Research Achievements |
前年度までに多チャンネル計測脳波計から得られる脳信号をGrassmann多様体の元である部分空間に埋め込み，分布に基づく計量と，識別性能を最大化する計量を求める手法を提案した．本年度は，引き続き，2クラスの脳信号識別問題において，同じクラスに属するパターン同士の距離をなるべく近く，異なるパターン同士の距離をなるべく遠くするような計量を再生核ヒルベルト空間上のGrassmann多様体とその拡張である0以上1以下の固有値を持つ正定値行列の集合に対して求める手法を提案した．
また，脳信号処理問題への応用として，多チャンネル脳波から感情や嗜好に関する特徴を抽出し，順位付けを行う手法を提案した．この手法と，これまでに提案されている協調フィルタリングなどの手法を組み合わせることで，脳信号から自動で個々人の嗜好に合わせたアイテムを自動で推薦するシステムを構築することが可能となる．多層ニューラルネットによる深層学習を拡張し，ランキング学習で用いられているペアワイズ学習を多層ニューラルネットに組み込み，一部の結合係数を固定したままパラメータを学習することでランキングに最適なパラメータと特徴抽出を同時に学習できるネットワーク構造を提案した．固定する結合係数を変えることで3種類のネットワーク構造を提案し，比較を行った．これにより，従来のランキングSVMよりも高精度な識別率を実現した．Grassmann多様体による特徴抽出と組み合わせることで，さらに高精度な識別率を達成できると考えられ
る．
|
