| 研究課題/領域番号 |
15H02759
|
|---|
| 研究機関 | 株式会社国際電気通信基礎技術研究所 |
|---|
研究代表者 |
川鍋 一晃 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 主幹研究員 (30272389)
|
|---|
| 研究分担者 |
兼村 厚範 国立研究開発法人産業技術総合研究所, 人間情報研究部門, 研究員 (50580297)
平山 淳一郎 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 研究員 (80512269)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2018-03-31
|
| キーワード | 確率的情報処理 / 機械学習 / ブレインマシンインタフェース |
|---|
| 研究実績の概要 |
本研究は、脳活動から意図を読み取るBMIは、安定して使えるようになるまでに数時間の訓練が必要であることに加え、経験者でも利用直前に数十分間の較正用の計測実験をしなければ精度を発揮できないという実用上の難点を解消するため、日常生活をおくっているヒトから計測された、複数人・長時間の脳活動データを用い、脳活動に共通して現れる成分のモデリングと安静時計測の利用により、都度の較正を必要としないBMIとそれに用いる機械学習法の確立を目的としている。本年度は、以下の4点に取り組んだ。第1に、脳波時系列の統計的モデリングを行い、測定エラーや不定期的に混入するアーチファクトに対応するための欠測推定に応用した(金子ら2015)。ここで個人ごとに推定された脳波の生成モデルは転移学習に役立てることも可能である。第2に、個人差を低減するためには個人特性などの補助情報が活用できる可能性があり、デモグラフィック特徴などに対応して不均質な部分グループから構成されるデータセットを統合的にカテゴリー化するためのベイズ情報量規準を用いた方法論を開発した(Kanemura et al., 2015)。第3に、近年安静時にも課題遂行時と同様の安定した脳内ネットワーク構造が見られ、その間の関係が個人間および状況間で異なることが知られている。ネットワーク結合の変動の理解を容易にするための成分分析法（Hyvaerinen et al., 2015，平山ら, 2015）の研究に参画し、これを転移学習BMIに応用するための方法論を検討した。第4に、脳以外のセンサ情報を使ったHybrid BMIが注目されているので、確率的CCAにもとづいた一人称映像と加速度データの統合解析法（Miyanishi et al., 2016）をさらに進展させ、情報転移BMIへの応用について検討した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
脳波の統計モデルや、個人特性やMRIなどの補助データを用いるための方法論を開発・応用し、転移学習BMIを改善するための研究を多角的に進められたため。
|
| 今後の研究の推進方策 |
継続して方法論開発および応用を推進する。特に教師データやさまざまな補助情報を活用できるようにこれまでの教師なし成分分析法を高度化する。安静時較正を用いた転移学習BMI（Morioka et al., 2015）で用いたデータが最近公開されたので、テストベットとして活用する。
|
