2020 Fiscal Year Annual Research Report
浅層ニューラルネットによる状況適応型学習技術の確立と個人支援システム等への応用
| Project/Area Number |
18H03304
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
森田 昌彦 筑波大学, システム情報系, 教授 (00222349)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
井澤 淳 筑波大学, システム情報系, 准教授 (20582349)
川崎 真弘 筑波大学, システム情報系, 准教授 (40513370)
堀江 和正 筑波大学, 計算科学研究センター, 助教 (60817112)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | ニューラルネットワーク / 機械学習 / 浅層学習 / 脳情報処理 / 脳波解析 |
|---|
| Outline of Annual Research Achievements |
・研究代表者らが開発した浅層ニューラルネットの一種である選択的不感化ニューラルネット（SDNN）を用いた特徴選択手法をガンの診断などに応用し，既存手法と同等の判別精度を保ちつつ，判別の根拠を明確化できることを示した．
・SDNNを用いた脳波解析の新しい手法を開発した．これは，ある電極の数10 ms先の脳波信号をSDNNによって他の電極から予測したときの予測精度から，情報の流れを分析するもので，従来の移動エントロピーを用いた手法よりも少ないデータで解析が可能である．
・学習効率を高めたリハビリテーション訓練の設計法を探索する目的で，ヒトを対象とした運動学習実験を実施した．運動学習中に与える誤差の質を変化させることにより，ヒトの学習効率を操作可能であることを発見した．この結果は，浅層学習などの機械学習を用いた効率的な誤差情報の提示方法開発によるリハビリテーションの効率化の可能性を示唆している．
・精神疾患の一つである注意欠如多動性障害の特徴として，リズムを一定に維持することの困難さを行動データから定量的に示し，この困難さに関係する脳波リズムを特定することができた．本成果は注意欠如多動性障害の診断だけでなく，どのように介入するかの方法論の構築に貢献する．
・SDNNを容易に実装・利用できる環境を提供するライブラリLIBSDNN について，特徴量の有効性の解析および判断の説明性を高める機能を追加したver. 2の開発を進めた．令和3年度中の公開を目指している．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
R1年度は一部の実験ができず予算の一部を繰り越したが，その実験の実施が完了した．
また，必ずしも当初の予定通りではないが新たな研究成果も出ている．
|
| Strategy for Future Research Activity |
浅層ニューラルネットに関する基礎的技術はほぼ開発できたので，今後は応用研究に力を入れると共に，研究成果の論文発表をより積極的に行う．
|
