研究課題
基盤研究(B)
筋電位は個人差が大きく、状態識別のためにユーザのデータが1時間分ほど必要である。また、学習済みモデルにクラスを追加すると、学習した表現を大幅に喪失する破滅的忘却と呼ばれる現象が起きる。少ない計測時間でユーザのデータを計測済み他ユーザ(ソース)のように変換し、今までの表現を忘れずに新しいクラスをソースモデルに追加学習できれば、ユーザはソースの識別モデルを代用し、そのモデルを継続学習でき るインタフェースが提供できる。本研究では、まず深層転移学習に基づいたドメイン適応技術を開発する。次に、初期識別モデルのクラス数を 増加可能な継続学習法を開発し、これらを組み合わせたフレームワークを構築・応用する。
