| 研究課題/領域番号 |
16K01357
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
生体医工学・生体材料学
|
|---|
| 研究機関 | 徳島大学 |
|---|
研究代表者 |
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)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2016年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 手首筋電 / ジャンケン認識 / 深層学習 / 個人認証 / 筋肉電位 / ニューラルネットワーク / ルール抽出 |
|---|
| 研究成果の概要 |
本研究では，ジャンケン認識を行う深層学習ネットに対して，乱数を用いて学習用サンプル数を増加させる方法を提案し，その有効性を評価した．また，深層学習ネットの中間層付近から出力層部分をクラス分類と個人認証（被験者分類）を行うネットワークの二つに分けて学習認識する方法を提案し，高精度を達成できた．
認識用ルール抽出について様々な仕組みを検討したが，結果的に畳み込み層を有する深層学習で効果的に識別ルールを抽出できる仕組みを開発できなかった．今後は新たな仕組みの開発を検討する．
|
| 研究成果の学術的意義や社会的意義 |
本研究では，ジャンケン認識を行う深層学習ネットに対して，乱数を用いて学習用サンプル数を増加させる方法を提案し，その有効性を評価した．また，深層学習ネットの中間層付近から出力層部分をクラス分類と個人認証を行うネットワークの二つに分けて学習認識する方法を提案し，高精度を達成できた．これらの仕組みは，他の分野で使用される深層学習ネットにも直接適用可能な方法であり，また個人認証を含むことからセキュリティ面での安全性強化に役立つ方法である．
|
