2022 Fiscal Year Annual Research Report
Rule Generation from Wrist EMG Recognition Network Using Deep Learning and Muscle Synergy to Increase Data Value
| Project/Area Number |
20K12600
|
|---|
| Research Institution | The University of Tokushima |
|---|
Principal Investigator |
福見 稔 徳島大学, 大学院社会産業理工学研究部(理工学域), 教授 (80199265)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 手首筋電 / データ増量 / 深層学習 / 筋シナジー |
|---|
| Outline of Annual Research Achievements |
本研究では、少数の筋電信号から学習に用いるデータの個数を効率的に増加させてその良否を評価する（データの価値を高める）方法と筋シナジーに基づいて深層学習ニューラルネットワーク（以後，NNと略記）から人間が理解（許容）できるルール生成法を研究開発することが目的である。そのため、令和4年度（2022年度）は、ルール生成法の研究開発とルール生成に有効と考えられる筋シナジーと入力特徴の関連付け方法の開発を目指した。
筋シナジー（指の屈曲と伸展動作）と関連する入力特徴の関連付けであるが、まず筋電信号を高速フーリエ変換により周波数成分に変換した。そして、遺伝的アルゴリズムに基づく特徴選択により、筋シナジー毎に関連する周波数帯を選定した。各周波数成分をそのまま使用すると特徴選択が上手くできなかったため、100Hz単位で周波数成分をまとめてから特徴選択を行った。この場合、比較的明確に特徴選択ができた。今後、もっと細かな周波数帯で特徴選択を実施予定である。
次に、各筋シナジーに基づいてNNからのルール生成法の検討を行った。使用するNNが3層の場合には、研究代表者が20年前に提案した方法を使用することができる。深層学習NNの場合で検討を行ってきたが、畳み込み型NNの場合には、直接的なルール生成が困難であることが分かってきた。そのため、まずは、畳み込み結合のない場合で、3層NNを連結する仕組みを検討している。3層と3層を連結して5層（3層目は共通）とする方法である。この方法であれば、連結することにより、5層、7層と層数を増加させることが可能である。現在、この方法でのルール生成法の開発を目指している。
|
