研究課題/領域番号 |
26330254
|
研究機関 | 山口大学 |
研究代表者 |
呉本 尭 山口大学, 理工学研究科, 助教 (40294657)
|
研究分担者 |
大林 正直 山口大学, 理工学研究科, 教授 (60213849)
間普 真吾 山口大学, 理工学研究科, 助教 (70434321)
小林 邦和 愛知県立大学, 情報科学部, 准教授 (40263793)
|
研究期間 (年度) |
2014-04-01 – 2018-03-31
|
キーワード | 自己組織化マップ / 時系列予測 / 脳波識別 / ニューラルネットワーク / 深層学習 / 強化学習 |
研究実績の概要 |
本研究の目標は、マルチモーダルインタフェイスを備えた知能発達型知的システムを構築し、サービス産業の発展に寄与できる自律ロボットへの応用を図ることとする。今年度では、主に以下の研究開発を行った。 1.マルチモーダル情報を取得・識別できる知覚情報処理システムを構築するため、視覚(カメラ)、聴覚(マイク)、脳波(EEG測定)などによる異種観測データを認知する機能モジュール群を開発した。特に教師なし学習ができるコホーネンの自己組織化マップ(SOM)を改良し、音声命令認識モジュールの性能を向上させた。具体的には、非対称近傍関数を成長型SOM(GSOM)に導入し、多点探索アルゴリズムを用いて最適パラメータを求める改良型SOMであるRP-AG-SOMを提案した。また、RP-AG-SOMを強化学習型音声命令学習システムに導入し、従来のGSOMより学習成功率を向上させた(Neurocomputing 2015, IntelliSys'16発表予定) 2.脳波(EEG信号)を解析し、計算や、運動などの脳内に行われたメンタルタスクを識別する手法を新たに提案した。具体的には従来の信号の全体を用いてフーリエ変換を行い、サポートベクトルマシン(SVM)などの識別器に入力することを改良し、各チャンネルの最もタスクに関連する部分のみを用いるタスクウィンドウズフィルタリング手法を提案し、新たな特徴データをSVMなどの識別器に入力し、より高い識別率を得ることができた(ICIARE2015, SICE 2015)。 3.時系列データの解析に当たり、従来の制限付きボルツマンマシン(RBM)型深層学習モデルを改良し、新たに時系列予測システムを開発した。具体的には複数のRMBを用いたニューラルネットワークと線形予測モデルARIMAを併用し、新たなハイブリッド予測モデルを構築した。CATSベンチマークを用いて提案法の有効性が確認された(AMSE2105, 電気学会論文誌C, 2016)
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
研究体制、環境、資金などのハードウェアが確保でき、それに研究手法、開発プロセスなどいずれも計画通りに進んでおりますので、これまで、当初の計画以上に研究成果を上げることができた。
|
今後の研究の推進方策 |
音声、画像(動画を含む)、脳波などの信号を総合的に判断し、ユーザーの意図や感情を推測することのできる知的システムを開発する。試行錯誤という強化学習の概念を利用し、知能発達型システムに拡張する予定である。
|
次年度使用額が生じた理由 |
当初予定していた予算より支出が抑えられたため。
|
次年度使用額の使用計画 |
研究機器の購入や, 雑誌投稿料として使用する。
|