| 研究課題/領域番号 |
21H03480
|
|---|
| 配分区分 | 補助金 |
|---|
| 研究機関 | 長岡技術科学大学 |
|---|
研究代表者 |
南部 功夫 長岡技術科学大学, 工学研究科, 准教授 (40553235)
|
|---|
| 研究分担者 |
横山 寛 広島大学, 統合生命科学研究科(理), 特任助教 (10829823)
アンドラデエドアルド カラベス 秋田工業高等専門学校, その他部局等, 講師 (30825013)
佐藤 貴紀 秋田工業高等専門学校, その他部局等, 講師 (60840759)
和田 安弘 長岡技術科学大学, 工学研究科, 理事・副学長 (70293248)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2025-03-31
|
| キーワード | 脳 / BCI / 転移学習 |
|---|
| 研究実績の概要 |
本研究では、脳情報インターフェースの精度向上のため、以下の検討を行った。
（1）脳波と筋活動の変換
脳波と筋活動の同時計測データを用いて、それぞれのデータから別のデータを変換により生成する手法の検討を行った。特に、運動想起時の脳波から生成することを試みた。その結果、
（2）アンサンブル学習を用いた識別器
他の被験者のデータを使って補い、データ数を向上させることが転移学習の一つとして考えられるが、その場合には被験者の違いによって精度が悪化する可能性がある。そこで、アンサンブル学習に基づき、トレーニング時の被験者のモデルの出力からクラスの重みを決定する手法を提案し、精度が向上することを確認した。
（３）脳情報インターフェースの解析を行う場合には、課題そのものではなく教示中の視覚刺激による影響があり、精度の比較に問題が生じる場合がある。今回、視覚刺激時のデータを含む場合と含まない場合で精度の比較を行い、視覚刺激の影響で精度が誤って評価される可能性を示した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
転移学習のためのアンサンブル学習のアルゴリズムや、データ変換など、当初の予定通りに進んでいる。
|
| 今後の研究の推進方策 |
今後、データ拡張、データ生成、転移学習を組み合わせた手法や、異なるモダリティ間のデータ変換も検討を行う。
|
