| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2021-11-26 15:00 ［ポスター講演］電極数に低依存なEEG解析のための学習手法 ○鶴ヶ崎裕真・田谷昭仁・戸辺義人（青学大）  SRW2021-50 SeMI2021-49 CNR2021-24 |
|
| 抄録 | （和） | EEGを使用した機械学習によって感情や運動状態など，人間の様々な状態を推測することが可能である．機械学習に使用するEEGを取得するために，脳波計を装着する必要があるが，脳波計は異なる電極数の物が存在する．電極数が変わると，推定対象が同じタスクであっても，入力サイズが異なり，別の機械学習タスクとして学習を行わなければならない課題に直面する．本研究では，異なる脳波計のデータを学習する手法を検討する．具体的には，不足する電極のデータを補間することで入力データを同サイズにし，ファインチューニングやメタ学習を，異なる電極数による思考推定タスクに適用して推定精度を向上する．また，複数の補間方法を適用して精度を比較する． |
| （英） | Machine learning using electroencephalographs (EEG) data can be used to infer various human states such as emotions and activities. Because there are devices to obtain EEG with different numbers of electrodes, there is a challenge to train neural networks using input data with various sizes. It can be a problem when fine-tuning pre-trained models to apply it to different tasks, such as different users. In order to solve this problem, this paper proposes a pre-training scheme with signal interpolation to learn EEG data with the different number of electrodes at once. Evaluations are conducted to compare the performance of different interpolation methods applied to fine-tuning and meta-learning, respectively. | |
| キーワード | （和） | EEG / メタ学習 / Model-Agnostic Meta-Learning / 電極補間 / / / / |
| （英） | Electroencephalogram / Meta learning / Model-agnostic meta-learning / Electrode interpolation / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 266, SeMI2021-49, pp. 66-68, 2021年11月. | |
| 資料番号 | SeMI2021-49 | |
| 発行日 | 2021-11-18 (SRW, SeMI, CNR) | |
| 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 | SRW2021-50 SeMI2021-49 CNR2021-24 |
|
| 研究会情報 | |
| 研究会 | SRW SeMI CNR |
| 開催期間 | 2021-11-25 - 2021-11-26 |
| 開催地（和） | 機械振興会館 (予定) |
| 開催地（英） | Kikai-Shinko-Kaikan Bldg. |
| テーマ（和） | IoTワークショップ |
| テーマ（英） | IoT Workshop |
| 講演論文情報の詳細 | |
| 申込み研究会 | SeMI |
| 会議コード | 2021-11-SRW-SeMI-CNR |
| 本文の言語 | 日本語 |
| タイトル（和） | 電極数に低依存なEEG解析のための学習手法 |
| サブタイトル（和） | |
| タイトル（英） | Signal-Completion-Based Pre-Training Scheme for EEG with Various Number of Electrodes |
| サブタイトル（英） | |
| キーワード(1)（和/英） | EEG / Electroencephalogram |
| キーワード(2)（和/英） | メタ学習 / Meta learning |
| キーワード(3)（和/英） | Model-Agnostic Meta-Learning / Model-agnostic meta-learning |
| キーワード(4)（和/英） | 電極補間 / Electrode interpolation |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 鶴ヶ崎 裕真 / Yuma Tsurugasaki / ツルガサキ ユウマ |
| 第1著者 所属（和/英） | 青山学院大学 (略称： 青学大) Aoyama Gakuin University (略称： Aoyama Gakuin Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 田谷 昭仁 / Akihito Taya / タヤ アキヒト |
| 第2著者 所属（和/英） | 青山学院大学 (略称： 青学大) Aoyama Gakuin University (略称： Aoyama Gakuin Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 戸辺 義人 / Yoshito Tobe / |
| 第3著者 所属（和/英） | 青山学院大学 (略称： 青学大) Aoyama Gakuin University (略称： Aoyama Gakuin Univ.) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2021-11-26 15:00:00 |
| 発表時間 | 120分 |
| 申込先研究会 | SeMI |
| 資料番号 | SRW2021-50, SeMI2021-49, CNR2021-24 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.265(SRW), no.266(SeMI), no.267(CNR) |
| ページ範囲 | pp.79-81(SRW), pp.66-68(SeMI), pp.56-58(CNR) |
| ページ数 | 3 |
| 発行日 | 2021-11-18 (SRW, SeMI, CNR) |
[研究会発表申込システムのトップページに戻る]