• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2008 年度 実績報告書

オンライン学習型超高速特徴生成に基づく次世代手首EMGインタフェースの開発

研究課題

研究課題/領域番号 19500193
研究機関徳島大学

研究代表者

福見 稔  徳島大学, 大学院・ソシオテクノサイエンス研究部, 教授 (80199265)

研究分担者 満倉 靖恵  東京農工大学, 大学院・生物システム応用科学府, 准教授 (60314845)
キーワード手首EMG / オンライン学習 / Simple-FLDA / 非線形高次元空間 / パターン認識 / 特徴生成
研究概要

本研究では,手首EMG(筋肉電位)を用いる次世代インタフェースを構築するために,手首EMGの特徴生成と認識を高速・高精度に実現するオンライン学習型の特徴生成法を研究開発することが目的であった.特に,手首EMGの特徴生成と認識を高速・高精度に実現するオンライン学習型の特徴生成法Simple-FLDAの理論的解析と改良を行い,実問題での有効性を検証じ,DSP学習ボード上に実装化することが重要であった.
2年間の研究期間では,まず1年目にSimple-FLDAの定性的解析を行い,特徴生成精度を改善する方法を開発した.定量的な評価を行うために,手首EMGと顔画像に対する計算機シミュレーションを行い,その効果を確認できた.また,理論解析の有効性が実証できた.さらにSimple-FLDAのアルゴリズムをオンラインDSP学習ボード上に実装化し,従来よりも高速な学習が可能であることを実証した.
さらに,研究期間の2年目にSimple-FLDAに追加学習機能を加えたアルゴリズムの開発を行った.この方式は実問題での学習サンプルの少なさと個人差への対応には不可欠な仕組みである.実問題(顔画像と手首EMG)に対し定量的に評価を行い,その有効性を検証できた.
次に,Simple-FLDAの非線形高次元空間への拡張法について検討し,カーネル関数を用いてカーネルベクターを構成し,Kernel Based Simple-FDAを構築できることを示した.この非線形アルゴリズムの有効性を検証するために,顔画像と手首EMGを用いて定量的な評価を行った.その結果,線形版のアルゴリズムである,Simple-PCA,Simple-FLDAよりも学習速度,パターン識別精度において優れていることを検証できた.これらのアルゴリズムはどのようなパターン認識問題へも応用できる汎用的な手法であり,その開発意義は非常に大きい.この非線形版アルゴリズムのオンラインDSP学習ボード上への実装化は機器の故障により実現できていないが,今後,実装評価を行っていく予定である.

  • 研究成果

    (4件)

すべて 2009 2008

すべて 雑誌論文 (3件) (うち査読あり 3件) 学会発表 (1件)

  • [雑誌論文] Fast Incremental Algorithm of Simple Principal Component Analysis2009

    • 著者名/発表者名
      Tadahiro Oyama
    • 雑誌名

      電気学会論文誌C 128-C

      ページ: 112-117

    • 査読あり
  • [雑誌論文] Incremental Algorithm of Discriminant Analysis2008

    • 著者名/発表者名
      Tadahiro Oyama
    • 雑誌名

      Proc. of SCIS & ISIS' 2008

      ページ: 640-643

    • 査読あり
  • [雑誌論文] Fast incremental learning algorithm2008

    • 著者名/発表者名
      Tadahiro Oyama
    • 雑誌名

      Proc. of KES'2008

      ページ: 403-410

    • 査読あり
  • [学会発表] 判別分析における高速な追加学習アルゴリズムの-提案2008

    • 著者名/発表者名
      尾山 匡浩
    • 学会等名
      電気学会C部門大会講演論文集
    • 発表場所
      函館
    • 年月日
      2008-08-20

URL: 

公開日: 2010-06-11   更新日: 2016-04-21  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi