| 研究課題/領域番号 |
16K00251
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
新田 恒雄 早稲田大学, グリーン・コンピューティング・システム研究機構, 客員上級研究員(研究院客員教授) (70314101)
|
|---|
| 研究分担者 |
入部 百合絵 愛知県立大学, 情報科学部, 講師 (40397500)
桂田 浩一 東京理科大学, 理工学部情報科学科, 准教授 (80324490)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | DNN / 汎関数 / 双対空間 / テンソル空間 / 圏論 / 脳波信号解析 |
|---|
| 研究実績の概要 |
Deep Neural Network(DNN)によりデータが持つ本質的な構造を漸近的に求めることができるようになった。一方，脳波解析のように，DNN学習に必要なビッグデータを用意できない分野は少なくないため，適度な量のデータを利用するだけで，同様の解析を可能にする新しい計算モデルの開発は大変有用であろう。まず，DNNと同様のベクトル-ベクトル変換は，汎関数(functional)を用いる双対空間，あるいは多重線形写像(Multiple linear map; MLM)を用いるテンソル空間で可能であると考えた。
近年，合成写像に基づくベクトル-ベクトル変換を実現する手法として，圏論(category theory)と呼ばれる新しい数学分野が発展しつつある。一方，圏論はデータ処理全体の鳥瞰図を与えるが，写像を引き起こす具体的な機能(関手functor)は，個々の応用分野に任される。そこで，我々は多チャンネル脳波(EEG信号)の解析に的を絞って，特徴抽出および音節認識の研究を進めた。
脳波解析では雑音下における微小信号を対象とするため，今期は(1)60電極のEEG信号から雑音を取り除くこと，および(2)時間-空間(電極空間)に亘る特徴を抽出することをテーマに検討した。具体的には，(1)でスペクトル領域におけるnoise subtractionと処理パラメータの最適化，(2)では主成分分析(PCA)に基づく時空間全体の分析(holistic pattern analysis)とパラメータの最適化を進めた。(2)では60チャンネルの実効値系列から固有ベクトルを求めて汎関数f(φ(m))を構成すると共に，結果のスカラー値からベクトルを再構成することで，クラス(音素)毎に脳全体に亘る特徴を抽出できることを明らかにした。また，この手法の有用性を数字音声認識で実証した。
|
| 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
多チャンネル脳波信号解析にターゲットを絞り，合成写像(圏論)に基づく新しい解析手法を考案すると共に，その有効性を実験から確認することができた。
|
| 今後の研究の推進方策 |
脳波(EEG)信号から言語音声情報を識別する数理モデルの開発と，シミュレーション実験を行う。数理モデル研究では，圏論の枠組みでベクトル圏およびテンソル圏における関手の開発と合成写像能力の改良を進め，脳波解析と脳波-言語デコーディングでの有効性を示す。
|
| 次年度使用額が生じた理由 |
脳波(EEG)データの収集計画を前倒して実施する必要が生じたことによる。
|
| 次年度使用額の使用計画 |
脳波データを収集可能な豊橋技術科学大学へ出張した。なお2017年度はこれらのデータを有効に利用して研究を加速する計画である。
|
