2017 Fiscal Year Annual Research Report
Decision making model based on hierarchical networks and its applications to brain machine interface
| Project/Area Number |
16H02873
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
石井 信 京都大学, 情報学研究科, 教授 (90294280)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 脳型人工知能 / ブレイン・マシン・インターフェース / 順逆強化学習 / 模倣学習 / ソフトコンピューティング |
|---|
| Outline of Annual Research Achievements |
階層型順逆強化学習モデルの開発
自由行動下での動物の探索行動およびヒト意思決定過程を想定して階層型逆強化学習法の開発を進めた。共同研究者から線虫の自由行動下での探索行動データの提供を受け、エネルギーベースの逆強化学習法の適用を進めた。遺伝子改変により感覚細胞の機能欠失を行った個体についての解析も進めた。動的環境での意思決定課題を想定した階層型逆強化学習法の開発を進めた。この手法は、変化点検出法と学習時のエージェントにも適応可能な逆強化学習法との組み合わせになる。簡単な動的環境（部分観測マルコフ決定過程）において強化学習を行っている人工エージェントの行動データに適応した結果、エージェントの報酬関数およびメタパラメータの推定が可能であることが分かった(Uchida, et al., 2017)。
ヒトイメージングからの視覚注意のデコーディング
視覚注意課題を対象に、ヒトの脳波(EEG)および機能的核磁気共鳴図(fMRI)からのデコーディング研究を進めた。ヒト動画観視時のEEGデータの取得を行い、動画に含まれる特徴量（顕著度）とEEGデータとの関連を解析している。また、視覚注意に関わる被験者間転移デコーディング法の開発を進めている。提案手法では、ヒト脳の構造的結合について非剛体変換を行うことで転移を可能とする。さらに、EEGベースの視覚注意の被験者間転移の際に用いる転移行列が被験者の特定（個人認証）に利用可能であるかについて、予備的な実験と解析を行った(Nishimoto, et al., 2017)。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の29年度計画によれば、MEGデータへの階層的学習モデルの適用を予定していたが、適用した結果、MEGのアーチファクトが大きくデコード性能が十分に出ないことが判明した。研究方法の再検討を行い、MEGから、バックアップ実験として並列実施していたEEGにデータを変更し、あらためてEEGデータの解析からやり直す必要が生じたため7か月間の計画延長を行った。一方で、上記の実績概要に示すように、EEGデータのデコード解析は順調であるので、結果として「(2)おおむね順調に進展している」と判断された。
|
| Strategy for Future Research Activity |
階層型順逆強化学習モデルの開発
階層型逆強化学習の自由行動下での動物の探索行動データへの適用については、解析結果をまとめたうえで学術雑誌上の論文化を進める。ヒトの動的な意思決定過程に適応可能な階層型順逆強化学習法については、動的環境での意思決定課題を課したヒト実験データを取得し、それを模倣できるような学習エージェントのモデル化に展開する。
ヒトイメージングからの視覚注意のデコーディング
ヒト動画観視課題における視覚注意デコーディングについては、解析結果をまとめたうえで学術雑誌上の論文化を進める。また、視覚刺激により誘発される一般情動のデコードについて、新たに公開EEGデータを用いた解析を進める。また、視覚注意に関わる被験者間転移デコーディング法については、従来の転移デコード法との比較検証を行い、それら結果をまとめて学術雑誌上の論文化を進める。EEGベースの個人認証法については、これまでに取得したデータの解析を進め、特に計測アーチファクトの個人認証性能に与える影響について定量的な評価を行う。
|
