WEKO3
インデックスリンク
アイテム
脳波のスペクトルとニューラルネットワークによるBCIにおける特徴抽出と汎化能力について
http://hdl.handle.net/2297/18190
http://hdl.handle.net/2297/18190ce20df7c-9509-4221-860d-0e4f8336a0a4
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
TE-PR-NAKAYAMA-K-604.pdf (322.2 kB)
|
|
| Item type | 会議発表論文 / Conference Paper(1) | |||||
|---|---|---|---|---|---|---|
| 公開日 | 2017-10-03 | |||||
| タイトル | ||||||
| タイトル | 脳波のスペクトルとニューラルネットワークによるBCIにおける特徴抽出と汎化能力について | |||||
| タイトル | ||||||
| タイトル | On Feature Extraction and Generalization in BCI Based on Spectra of Brain | |||||
| 言語 | en | |||||
| 言語 | ||||||
| 言語 | jpn | |||||
| 資源タイプ | ||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||
| 資源タイプ | conference paper | |||||
| 著者 |
金田, 泰明
× 金田, 泰明× 中山, 謙二× 平野, 晃宏 |
|||||
| 提供者所属 | ||||||
| 内容記述タイプ | Other | |||||
| 内容記述 | 金沢大学理工研究域 電子情報学系 | |||||
| 書誌情報 |
第22回信号処理シンポジュウム（仙台) p. 604-609, 発行日 2007-11-01 |
|||||
| その他の識別子 | ||||||
| 内容記述タイプ | Other | |||||
| 内容記述 | P1-9 | |||||
| 出版者 | ||||||
| 出版者 | IEICE 電子情報通信学会 / 信号処理研究専門委員会 / 第22回 信号処理シンポジウム | |||||
| 抄録 | ||||||
| 内容記述タイプ | Abstract | |||||
| 内容記述 | 脳波のフーリエ変換と階層形ニューラルネットワーク を用いるブレイン・コンピュータ・インタフェイス(BCI)に関して，前処理の方法を提案し，メンタルタスクの分類性能を向上させる方法が報告されている．本稿では，この方法においてどのような特徴が抽出されているか解析した．まず，隠れ層から出力層の結合荷重を解析し，メンタルタスクに対して独立になる傾向があることが分かった．次に，入力層から隠れ層への結合荷重を解析し，相関係数が，同じメンタルタスクでは大きく，異なるメンタルタスクでは小さくなる傾向を明らかにした．更に，分類精度の低い被験者では，この傾向が明確に出ていないことも分かった．次に，汎化能力に関して，ニューラルネットワークの入力に乱数を加える方法と学習中に重み係数を抑圧する方法を検討し，前者のほうがより効果が高いことを確認した．Multilayer neural networks have been applied to Brain Computer Interface (BCI), which is one of hopeful interface technologies between humans and machines. In this paper, rst, features extracted by the neural network are analyzed based on correlation coe cients of connection weights from the input layer to the hidden layer. There some relations between the correlation coe cients and classi cation accuracy. Second, two kinds of generalization techniques, including adding small random noises to the input data and decaying connection weight magnitude, are applied. Their usefulness are analyzed and compared. The former is better than latter. In our previous work, the classi cation accuracy of 64%～74% have been achieved. By applying the generalization techniques the accuracy is improved up to 80%～88%. | |||||
| 著者版フラグ | ||||||
| 出版タイプ | VoR | |||||
| 出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||
| 関連URI | ||||||
| 識別子タイプ | URI | |||||
| 関連識別子 | http://www.ieice.org/~sip/symp/2007/ | |||||
