[3Win5-53] ドメイン適応を用いたCNN-GRUハイブリッドモデルによる少量脳波データからの運動想起判別
キーワード：脳科学
脳活動により外部機器を直接制御可能にするBCIは，運動機能障碍者のリハビリテーションや生活支援等への応用が期待される．実応用において，ユーザの少ないデータで学習可能であり，モバイル化が可能なほど十分に計算コストの低いものが望まれる．本研究ではこれまでに，CNNとGated Recurrent Unit（GRU）のハイブリッドモデルを提案し，ウィンドウサイズの削減による計算量の削減を実現している．GRU適用前と比較すると，計算時間，パラメータ数はともに約23%，ウィンドウサイズは約96%削減された．その他に，3つのデータセットに対して判別性能を調べた．2クラス分類を前提とするBCIにおいて，実用上十分な正解率である70%以上の被験者数が176人中144人，全体正解率80.6%を得た．このモデルのトレーニングにはユーザ本人の脳波データは必要としないが，ユーザ本人と同様の環境で取得された，総試行数が数千以上の大規模なデータセットの存在を前提としている．これに対し本稿では，ドメイン適応を利用することによって少量脳波データで利用可能な脳波判別モデルの開発を目指す．
講演PDFパスワード認証
論文PDFの閲覧にはログインが必要です。参加登録者の方は「参加者用ログイン」画面からログインしてください。あるいは論文PDF閲覧用のパスワードを以下にご入力ください。