2022 Fiscal Year Research-status Report
効率的な深層学習：脳信号を使用したロボットベースのリハビリテーションの実装
| Project/Area Number |
21K03970
|
|---|
| Research Institution | Hosei University |
|---|
Principal Investigator |
Capi Genci 法政大学, 理工学部, 教授 (20389399)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | 深層学習 / BMI / リハビリテーション / 転移学習 / ロボットハンド / 遺伝的アルゴリズム |
|---|
| Outline of Annual Research Achievements |
今年度は、BMI システム実装に対する深層学習と遺伝的アルゴリズム統合について研究を拡張し、以下の研究テーマに重点を置いて実施しました。1. 転移学習を使用し、認識率とトレーニング時間の観点で深層学習のパフォーマンスを向上させること。始めに、特定のタスクと課題に対する CNNのトレーニングを実施しました。 次に、BMI システムにおける類似の概念および新規課題のため、新規の CNNに対してトレーニング済みの CNN の一部を転送し、トレーニングを実施しました。2. 遺伝的アルゴリズムを利用して有用なデータを選択し、深層学習アルゴリズムのパフォーマンスを向上させること。ディープ ラーニングのパフォーマンスに関連するもう 1 つの問題は、トレーニング データと強く関連しています。 つまり、収集されたすべてのデータが特に脳のデータに役立つわけではありません。3. トレーニング済みの CNNを用いたリアルタイムでのロボット制御。脳信号は CNN によって分類され、認識された動きはリアルタイムでロボットハンドに転送されます。ロボットの応答は、実時間状況において有効な速度であることを確認した。また、2022年度計測自動制御学会において学術奨励賞を受賞した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年はコロナの影響も収まり、計画通りにプロジェクトを遂行。 インターネットのデータだけでなく、研究室の学生から収集したデータも実験に使用しています。
|
| Strategy for Future Research Activity |
来年は、以下の問題に焦点を当てます。
1) 幅広いアプリケーションでのロボットの実装。
2) バイオセンシングバンドルの乾式電極と無線通信を使用した、より有用なアプリケーション。
3) 日常生活に役立つ、より複雑な実運動と虚運動を考える。
|
| Causes of Carryover |
主な理由はCOVIDの状況であり、国際会議発表の予定が予算の厳格な執行に影響しました。残りの予算使用予定は学会で研究成果を発表する費用とする。
|
