Transfer learning technique for user-friendly human-computer interfaces

2021 Fiscal Year Final Research Report

• Project/Area Number: 20K19854
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 61020:Human interface and interaction-related
• Research Institution: National Institute of Advanced Industrial Science and Technology
• Principal Investigator: Kanoga Suguru 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究員 (40803903)
• Project Period (FY): 2020-04-01 – 2022-03-31
• Keywords: 転移学習 / 機械学習 / 信号処理 / ブレインコンピュータインタフェース

Outline of Final Research Achievements

This study aimed to develope transfer learning methods that statistically correct the distributions of target and source data with large inter- and intra-subject valiability by using a small amount of calibration data under short calibration session. For this purpose, we used surface electromyogram (sEMG) data, which are known to have large individual differences. I developed a framework that incorporates domain adaptation transfer learning methods for both labeled and unlabeled sEMG data for a small number of target sEMG data.

Free Research Field

ヒューマンインタフェース、インタラクション、ライフサイエンス、生体医工学

Academic Significance and Societal Importance of the Research Achievements

研究成果はIF付論文誌2報と国際論文誌1報として公開されている。論文誌についてはオープンアクセスであり、だれでも内容を確認することができる。また、開発されたコードはgithubと呼ばれる開発プラットフォームにおいて公開されている。これにより生体信号処理分野での研究開発を透明感のある状態とした。
近年、ウェアラブルセンサを用いて個人がデータを簡単にデータを計測できるようになってきている。このような状況において、既存のモデルを個々に合わせてチューニングできる転移学習法の開発は今後のヒューマンインタフェースをより発展させる意義を持つ。