| 研究課題/領域番号 |
19K20334
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 筑波大学 |
|---|
研究代表者 |
堀江 和正 筑波大学, 計算科学研究センター, 助教 (60817112)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
|---|
| キーワード | 機械学習 / ノイズ除去 / 生体信号処理 / 敵対的生成ネットワーク |
|---|
| 研究開始時の研究の概要 |
本研究は，生体信号入力インタフェースの認識精度低下の一因である「乾式電極に由来するノイズ」を除去するアルゴリズムを開発するものである．本手法は，敵対的生成ネットワークを基に，その構造や学習方法を変更したものであり，従来の深層学習によるノイズ除去手法よりも，生体信号に適した性質を持つと思われる．
これまでにも数値実験を通じた検討が行われてきたが，まだ分散の大きいノイズや非定常のノイズを上手に除去できる構成・パラメータは見つかっていない．今回は，より幅広いノイズに対応できるモデルを開発するとともに，実際の生体信号に乗った乾式電極ノイズを対象にモデルを最適化，その有効性を応用面から評価する予定である．
|
| 研究成果の概要 |
本研究では，敵対的生成ネットワーク（GANs）や，オートエンコーダといった深層学習モデルを用いたノイズ除去手法を開発，その性能を評価した．本提案手法は，お手本となるノイズ除去前後の生体信号サンプルを学習時必要としないという実用上の利点を有しているが，期間中に認識精度を改善させるまで至らなかった．ただし，本研究で得られたモデルの構造とノイズ除去性能に関する知見は，今後の研究開発に大いに役だつと思われ，研究代表者も引き続き手法の開発を進める所存である．
|
| 研究成果の学術的意義や社会的意義 |
生体信号認識は，直感的に操作可能な入力インタフェースや自動診断に必要な技術の一つである．これらのシステムにおいては認識精度を低下させるノイズは可能な限り取り除くのが望ましい．しかしながら，認識において重要な波形とノイズの主要な周波数成分が一致することがある，ノイズ単体での計測が困難であるといった理由から，従来手法の適用が困難だった．
本研究で得られた，深層学習によるノイズ除去の知見は生体信号認識システムの有用性向上につながる可能性がある．
|
