講演抄録/キーワード |
講演名 |
2019-06-18 11:15
ニューラルネットワークによる単一試行脳波信号を用いた音声文中の統語誤り検出 ○本村駿乃介・田中宏季・中村 哲(奈良先端大) NC2019-15 IBISML2019-13 |
抄録 |
(和) |
本研究では,文中の統語誤りを検出するため,脳波信号を用いたニューラルネットワークモデルによる手法を提案する.文の理解において統語処理が脳波信号に反映することにより,統語誤りを含んだ文に対してP600と呼ばれる事象関連電位が確認されている.しかし,脳波信号中の統語処理を反映した信号のSN比は小さく,単一試行の脳波で統語誤りの検出について報告は少ない.我々は単一試行の脳波信号から音声文中の統語誤り単語を含む文を検出における,Stacked autoencoder (SAE) とLong-short term memory (LSTM)を用いた手法を評価した.18名の実験協力者が一部の文に統語誤り単語を含む文を音声で聞き,その文の正誤をキーボードのボタンにより応答を行い,その聴取時の脳波信号を収録した.統語誤りに対する脳波信号の分類についてSAEとLSTMを評価するため,既存手法であるSupport vector machine(SVM)と比較を行った.実験の結果,LSTMによる手法が61.3%の分類精度で,SAEの58.3%とSVMの58.4%と比較してより良い精度を得られることを示した. |
(英) |
In this paper we propose a method with neural networks for detecting syntactic anomalies in sentences using electroencephalogram (EEG) signals. To the best of our knowledge, there have been few studies for detecting syntactic anomalies from single-trial EEG signals. Eighteen participants listened to sentences, some of which included syntactically anomalous words, and answered the correctness of the sentences by pressing a button. During this procedure, we recorded EEG signals of the participants. We evaluated Stacked autoencoders (SAE) and Long-short term memory (LSTM) and a baseline model, Support vector machine (SVM), for classifying EEG signals with respect to syntactic anomalies. |
キーワード |
(和) |
脳波(EEG) / 事象関連電位(ERPs) / P600 / Stacked Autoencoders / Long-Short Term Memory / / / |
(英) |
Electroencephalogram (EEG) / event-related potentials (ERPs) / P600 / Stacked Autoencoders / Long-Short Term Memory / / / |
文献情報 |
信学技報, vol. 119, no. 88, NC2019-15, pp. 63-68, 2019年6月. |
資料番号 |
NC2019-15 |
発行日 |
2019-06-10 (NC, IBISML) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2019-15 IBISML2019-13 |
|