2022 年度研究成果報告書

データの価値を高める深層学習と筋シナジーによる手首筋電認識ネットからのルール生成

研究課題

PDF

研究課題/領域番号	20K12600
研究種目	基盤研究(C)
配分区分	基金
応募区分	一般
審査区分	小区分90110:生体医工学関連
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)	2020-04-01 – 2023-03-31
キーワード	手首筋電 / データ増量 / 深層学習 / 筋シナジー
研究成果の概要	入力層で学習データにガウス乱数を掛け合わせ、データ数を数百倍程度に増加させ、その価値（有用度）を中間層付近の抽象化された空間で評価した。学習後に中間層付近でt-SNEで次元圧縮を実施した。一定のしきい値以下のデータを用いて学習させたところ、認識精度の改善効果があることが分かった。次に、遺伝的アルゴリズムにより、筋シナジー毎に筋電信号の周波数分布を求めた。結果として、筋シナジー毎に、ある程度の違いを検出できた。最後に、ルール抽出に関してであるが、畳み込みに対する効果的な抽出法は開発できていない。現在、3層ネットの連結化によるルール抽出法を検討している。
自由記述の分野	信号処理
研究成果の学術的意義や社会的意義	入力層で学習データ数を増加させ、その価値（有用度）を中間層付近の抽象化された空間で評価する方法は、従来とは異なる新しい手法であり、またその効果も大きい。この方法は深層学習を用いるすべての分野に適用することが可能で有効性と影響度は大きい。今後、様々な分野に適用していく予定である。深層学習ネットからのルール抽出法の開発は、深層学習ネットの内部のホワイトボックス化に繋がり、大変意義の大きい研究である。現時点では、有効な解決法を見いだせていないが、今後、3層ネットの連結化などの方法を検討し、ルール抽出の研究開発を行う予定である。