| 研究課題/領域番号 |
16K00251
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
知覚情報処理
|
|---|
| 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, その他(招聘研究員) (70314101)
|
|---|
| 研究分担者 |
入部 百合絵 愛知県立大学, 情報科学部, 准教授 (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 – 2020-03-31
|
| キーワード | テンソル積 / 多重線形写像 / 脳波解析 / 外積空間 / DNN |
|---|
| 研究成果の概要 |
機械学習の進展はビッグデータを持つ様々な情報システムを実現した．一方，脳波などデータ蓄積が少ない分野では，少ない量のデータから本質的内部構造を解析可能な，新しい計算モデルが望まれている．本研究では適度なデータ量で対象の内部構造を，(A)対象クラス内のベクトル構造表現(多重線形写像)，及び(B)複数クラス間のベクトル構造表現(クラス間外積空間)から解析する手法を調査・検討した．同時に，解析手法を発話時脳波信号の分析・特徴抽出・音節/単語識別に適用し，手法の有効性を確認した．一連の研究成果から，最終目標である「音声想起時脳波からの音声言語情報抽出・識別」研究を推進する手掛かりを得ることができた．
|
| 自由記述の分野 |
知能情報学
|
| 研究成果の学術的意義や社会的意義 |
比較的少ないデータ量で解析対象の内部構造や複数クラス間の関係を抽出する技術は，ビッグデータに基づく機械学習の恩恵を受けられない分野では重要になると考えられる．ここで研究された内容は，今後，脳-コンピュータインターフェース(BCI)を開発する際の基礎技術となると考えている．音声想起BCIが実現すると，考えた内容をスマートフォンに転送することが可能になるため，将来，ALS患者の方達が情報発信可能な端末を実現できる．
|
