| 研究課題/領域番号 |
21K03970
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分20020:ロボティクスおよび知能機械システム関連
|
|---|
| 研究機関 | 法政大学 |
|---|
研究代表者 |
Capi Genci 法政大学, 理工学部, 教授 (20389399)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2022年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2021年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 深層学習 / BMI / ロ ボ ッ ト 動作 / 転移学習 / ロボット動作 / リハビリテーション / ロボットハンド / 遺伝的アルゴリズム / 効率的な深層学習 |
|---|
| 研究開始時の研究の概要 |
本研究では、深層学習の一角をなすConvolution Neural Network (CNN)とEvolutionary Algorithm（EA）を組み合わせた新しい手法を提案する。EAにより学習済みCNNのゲノム部および訓練データをコード化し、分類成功率低下を抑制しつつ、訓練データ量および学習時間を従来比で半減させる。提案アルゴリズムにより生成したモデルを脳波信号に基づくロボットハンドの把持制御に適用し、その性能を検証するとともに、富山大学附属病院の協力の下、脳波信号制御のリハビリテーションロボットに応用する。
|
| 研究成果の概要 |
本研究では、効率的な深層学習アルゴリズムを用いたブレインマシンインターフェース（BMI）システムを開発した。主な研究トピックは以下の二つである：１）BMIシステムにおけるCNNの認識率を向上させるための電極チャネルの最適化：本システムの主な目的は、システムの性能を損なうことなく、DLネットワークの計算複雑性と訓練時間を最小限に抑えることである。
２）遺伝的アルゴリズム（GA）を用いた高精度EEG分類のためのデータ選択の最適化：運動想起および実際の手や腕の運動タスクから得られたEEGデータを使用し、GAを用いて転移学習に最適な訓練データを選択し、CNNの分類精度を向上させた。
|
| 研究成果の学術的意義や社会的意義 |
研究結果の科学的および社会的意義は以下の通りである：1. 訓練データの質を向上させることで、BMIシステムに向けたDLベースのネットワークを改善した。2. 訓練データを最適化し、CNNの認識精度の顕著な向上と訓練時間の短縮を実現した。3. Deep Q-learningベースの手法を用いて、BMIシステムにおけるEEGチャネルの最適化を実現した。
これらの結果は、脳信号を使用したCNNの高速訓練にも利用することが可能である。
また、このような柔軟性があり訓練が容易なCNNは、リハビリテーションなどのヒューマン・ロボット・インタラクションに応用することができる。
|
