氏名 : 金 海 (281067155)
所属 : 古橋研
題目 : 少量学習データを用いたBrain Computer Interfaceの性能向上に関する研究
概要 :
脳波などを計測し、解析することで、ロボットの制御や文字入力することができるBrain
Computer Interface (BCI)の研究が盛んに進められている。脳波は個人差が大きいため、予め計測したデータを用い、思考を学習させる必要がある。一般的に、思考判別正答率を大きくするためには、多くの学習データが必要であるが、ユーザにとって負担になる。そこで本研究では、具体的にP300 Spellerという文字入力型BCIにおける、学習データの削減を目
的とする。
BCIで扱うデータは、一般に高次のテンソルであり、本発表で扱うデータもまた、3次(電極x時間xサンプル)のテンソルである。(なお、行列は2次のテンソルである)。しかし、一般的には各電極における各時間点をそれぞれ独立に扱い、電極x時間の数の変数からなる行列に変換した後に、変数選択を行い、判別する。
しかし、この方法では、モデルの自由度が高いため、多くの学習データを必要とする。これに対し、本発表では、判別器にテンソルの概念を導入することで、モデルの自由度を下げ、少量学習データにおける正答率改善を試みる。次に、判別に寄与する変数を適切に選択し、その効果を検証する。
最後に、線形判別分析やスパースロジスティック回帰を用いて、学習データ数と正答率の関係を調査し、各判別器の性能を比較する。
目次に戻る