| 研究課題/領域番号 |
20K19854
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61020:ヒューマンインタフェースおよびインタラクション関連
|
|---|
| 研究機関 | 国立研究開発法人産業技術総合研究所 |
|---|
研究代表者 |
叶賀 卓 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)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021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: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
2020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 | 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 / 筋電位 / ヒューマンインタフェース / 深層学習 |
|---|
| 研究開始時の研究の概要 |
2020年度に【課題1】を実施する。2021年度は【課題2】を実施しつつ、キャリブレーションに必要なデータ数や転移学習法の計算コストに合わせて【課題1】のアルゴリズムの簡略化もしくは高度化を試みる。【課題1】は信号処理や機械学習に関する国際会議あるいは論文誌に投稿することを目指し、【課題2】はロボティクスやエンジニアリングに関する国際会議あるいは論文誌に投稿することを目指す。
|
| 研究成果の概要 |
本研究では、個人間・個人内のばらつきの大きいデータの分布を、短いキャリブレーション時間で統計的に補正する転移学習法の提案および応用を目的とした。この目的に対して個人差が大きいことで知られている筋電位データを用いた。本研究を通して、ターゲットの少数筋電データに対して、ラベルがついている場合とついていない場合、それぞれに対応可能なドメイン適用転移学習法を組み込んだフレームワークを開発した。
|
| 研究成果の学術的意義や社会的意義 |
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。
|
