|
本年度は，まずこれまでの心理物理学実験とfMRI実験の結果に基づいて，視覚と触覚のクロスモーダルな質感認知の脳内処理モデルを検証した。一方，対象の質感はヒトの感性や言語表現とも結びついた複雑な情報構造を持っており，今回提案した質感認知の脳内処理モデルのみによる対象の物理属性パラメータと質感特徴の関係の解明は困難であった。この問題を解決するため，機械学習技術を基礎とした脳情報デコーディング解析を用いて質感評価・対象物理特性・脳活動の関係を明らかにすることが試みた。
脳情報デコーディング解析は，ある脳領域の活動パターンに外的な刺激と心的内容が符号化されていると見なし，そのコードを解読（デコード）することによって，刺激と心的内容の予測を行うという手法である。本研究は，まず，視触覚クロスモーダルな質感の「記憶と統合」に関する脳内領域をターゲット領域とし，それらの信号値ベクトルから対応する質感の情報を予測する機械学習モデルの学習を行った。次に，学習済みのモデルを使って，テストデータの信号値ベクトルから対象質感の予測を行い，予測成績を評価した。最後に，表面加工に必要な質感情報データベースの開発に向けて，データモデルを決定し，格納される素材の物理パラメータ・質感評価データ・脳活動データの3種類のデータを検討した。
|
