| 研究課題/領域番号 |
16K01357
|
|---|
| 研究機関 | 徳島大学 |
|---|
研究代表者 |
福見 稔 徳島大学, 大学院社会産業理工学研究部(理工学域), 教授 (80199265)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2020-03-31
|
| キーワード | 深層学習 / 筋肉電位 / ニューラルネットワーク / ジャンケン認識 |
|---|
| 研究実績の概要 |
平成30年度は，ジャンケン動作を対象として手首EMG（筋肉電位）を用いた動作識別と個人認証の同時実現を行った．その際，EMG信号にかなりのノイズが重畳していることが判明した．その特性を調べてEMG時系列信号全体に複数種類のノイズが載っていることが判明したため，ドリフトノイズ，アウトライヤー等の除去を行った．ノイズ除去後に個人認証での精度を確認すると数％程度の改善効果があることが判った．
次に，個人認証とクラス分類の同時実現を目指した研究を実施した．その際，両方の学習には別々の教師データを用意し，深層学習のフル結合ネットワーク（出力部分）を二つに分けて学習を行った．畳み込み層は共用とした．2種類の学習を同時に一つのネットワークで行うことにより，見かけ上は学習が困難になるが，実際には教師データを複数種類使用することができ，結果的には，精度が改善できた．今後，さらに良い学習サンプルを増やす仕組みを検討する必要がある．
深層学習ネットからのルール抽出に関してであるが，対象とする深層ネットはたたみ込み層とプーリング層を有するニューラルネットワークである．そのため，たたみ込み層等があると，明確な形式での数式表現が困難であることが明確になった．解決方法を検討中であるが，入力から出力層への直接的なルール表現ではなく，一度，中間層付近でのデータ分布に置き換えることを検討中である．ルール表現としては，入力層－－中間層付近のデータ分布，中間層付近のデータ分布－－フル結合層でのIf-thenルールの形式でのルール表現を目指す予定である．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
深層学習を用いて手首EMG（筋電）を用いたジャンケン識別と個人認証を行う研究は順調に進んだ．しかし，深層学習からのルール抽出がIf-then形式での単純な形式では難しいことが判った．これは，畳み込み層でのプーリング機構等の複雑なネットワーク，および深層ネットワークを徹底的に学習するための良い学習データ数が少ない点等が原因である．そのため，これまでとは異なったルール抽出の方法を検討中である．
|
| 今後の研究の推進方策 |
畳み込み層の複雑な構造から数式とIf-thenルールを用いた直接的なルール表現は難しいため，別のルール抽出方法を検討中である．例えば，入力から出力層への直接的な数式等に基づくルール表現ではなく，一度，中間層付近でのデータ分布に置き換えることを検討中である．ルール表現としては，入力層－－中間層付近（畳み込み層の最後の層を想定）のデータ分布，中間層付近のデータ分布－－フル結合層でのIf-thenルールの形式でのルール表現を目指す予定である．
また，ルール表現のためにも良い学習サンプルを大幅に増やす方法の開発が重要である．今後，この方法を早急に開発する予定である．
|
| 次年度使用額が生じた理由 |
平成30年度に研究協力謝金を申請していたが，研究協力を依頼せずに研究を進めることができたため，研究協力謝金のための費用等が残ることとなった．残額は平成31年度の成果発表旅費および情報収集旅費として活用したい．
|
