|
令和2年度は，ヒト脳波を対象としたスタイル変換に取り組んだ．睡眠ステージ（睡眠状態）の自動判定課題への適用を前提に，判定の有力な手掛かりとなるコンテンツ（ステージに固有の脳波等）と，年齢やノイズによる影響（スタイル）を分離する特徴空間・特徴ベクトルの生成を目指した．しかしながら，コンテンツとなるステージ固有の脳波の高精度認識モデルを開発するには至らず，有効な特徴空間の生成には至っていない．特に覚醒反応（睡眠が浅い方向に遷移する際に発生する脳波の変調及びそれに伴う体動）とノイズの判別が困難であることが本研究を通して分かった．具体的には，覚醒反応をノイズとみなして除去してしまうと，ステージ判定ひいては睡眠の臨床判定全体に影響を及ぼすことから大きな課題となる．本研究の中では問題解決には至らなかったが，ポイントとなる課題を明らかにできた点は意義があり，今後の研究の中で解決を目指したい．
また，本研究課題に関わる検討項目として取り組んだ自然言語のスタイル変換については，Flowをベースとしたモデルを開発した．これは，可逆変換モデルを積み重ねたもので，Adversarial Auto Encoderで作成した特徴量ベクトルを，スタイル変換に適した空間へ写像するために使用した．一般にスタイル変換課題においては，入力の情報（内容）を損ねないこと，特徴ベクトルの分布が多変量正規分布になることの2つが求められる．この2つの条件を満たすようなモデルを学習によって得るのは一般に容易でないが，最初の条件を満たすためにAuto Encoderを用い，2番目の目標をFlowモデルで達成することで，学習の安定化や分布の対数尤度改善につながることが確認できた．
|
