| 研究課題/領域番号 |
21K03970
|
|---|
| 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20020:ロボティクスおよび知能機械システム関連
|
|---|
| 研究機関 | 法政大学 |
|---|
研究代表者 |
Capi Genci 法政大学, 理工学部, 教授 (20389399)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| キーワード | 深層学習 / BMI / ロ ボ ッ ト 動作 / 転移学習 |
|---|
| 研究成果の概要 |
本研究では、効率的な深層学習アルゴリズムを用いたブレインマシンインターフェース（BMI）システムを開発した。主な研究トピックは以下の二つである：１）BMIシステムにおけるCNNの認識率を向上させるための電極チャネルの最適化：本システムの主な目的は、システムの性能を損なうことなく、DLネットワークの計算複雑性と訓練時間を最小限に抑えることである。
２）遺伝的アルゴリズム（GA）を用いた高精度EEG分類のためのデータ選択の最適化：運動想起および実際の手や腕の運動タスクから得られたEEGデータを使用し、GAを用いて転移学習に最適な訓練データを選択し、CNNの分類精度を向上させた。
|
| 自由記述の分野 |
知能ロボット
|
| 研究成果の学術的意義や社会的意義 |
研究結果の科学的および社会的意義は以下の通りである：1. 訓練データの質を向上させることで、BMIシステムに向けたDLベースのネットワークを改善した。2. 訓練データを最適化し、CNNの認識精度の顕著な向上と訓練時間の短縮を実現した。3. Deep Q-learningベースの手法を用いて、BMIシステムにおけるEEGチャネルの最適化を実現した。
これらの結果は、脳信号を使用したCNNの高速訓練にも利用することが可能である。
また、このような柔軟性があり訓練が容易なCNNは、リハビリテーションなどのヒューマン・ロボット・インタラクションに応用することができる。
|
