研究課題
グラスマン多様体に埋め込まれた脳信号などのパターンを識別するための計量学習法を提案した．運動想起型脳コンピュータインターフェースなどに用いられる特徴抽出法である共空間パターン法やその拡張手法は，脳波信号(EEG)から分散共分散行列を推定し，これに白色化，固有空間抽出を行い，ベクトルに変換されることに相当する．すなわち，これらの特徴抽出は分散共分散に計量を与えていることに相当する．脳コンピュータインターフェース以外のパターン識別問題，例えば，顔画像識別問題や，手書き数字識別問題などの多くも分散共分散構造を用いて表現することで，パターンが本質的に持つ変動を表現することができ，高精度に識別を行うことができることが示されている．本研究では，パターンが作るグラスマン多様体上に識別に最適な計量を導入し，脳コンピュータインターフェースに応用する研究を行った．公開ベンチマークを利用して識別実験を行ったところ，共空間パターンやその拡張手法を同時に利用することにより，提案手法は従来手法単体で用いたときよりも有意に高い識別性能を示した．特に共空間パターン法の拡張であるCSSSP(Common Sparse Spatio Spectral Pattern)法と提案法を組み合わせたものが最も高い性能を示した．また，脳信号識別問題において，識別問題の最適解とベイズ識別に基づくスパース最適化を同時に行うことで，電極選択と識別器の設計を同時に行うアルゴリズムを提案した．これにより脳コンピュータインターフェースなどでの電極数と計算量を削減しつつ，高精度な識別を行うことができた．
2: おおむね順調に進展している
実験により提案アルゴリズムの有効性が示された．結果を国際会議や学術論文として投稿し採択されたため．
提案アルゴリズムに当初の目的であるカーネルトリックを適用する．学習アルゴリズムや基底ベクトルの効率的な選択方法，多カーネル学習器について研究を行う予定である．
当初計画していた旅費等が安く済んだため．
成果発表のための旅費に充てる．
すべて 2016 2015
すべて 雑誌論文 (4件) (うち査読あり 4件、 謝辞記載あり 1件)
IEICE Trans. Fundamentals of Electronics, Communications and Computer Sciences (EA)
巻: E99-A ページ: 880-883
Proc. of The APSIPA ANC 2015
巻: 1 ページ: 1023-1027
10.1109/APSIPA.2015.7415427
Proceedings of the 30th International Technical Conference on Circuits/Systems, Computers and Communications (ITC-CSCC 2015)
巻: 1 ページ: 23-26
Proc. of the 40th International Conference on Acoustics, Speech and Signal Processing (ICASSP) 2015
巻: 1 ページ: 2194-2198
10.1109/ICASSP.2015.7178360
