| 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 | 2022-03-04 14:45 個人間校正と敵対的ドメイン適応を用いた脳波分類モデルの共通特徴量の抽出 ○白石達寛（奈良先端大）・ラインマ コブラー・川鍋一晃（ATR）  NC2021-75 |
|
| 抄録 | （和） | 脳波は非定常信号であり個人差が大きいため、古典的な機械学習による脳波分類モデルでは高い精度を達成することが難しい。より良い分類モデルの構築には訓練データとテストデータの分布の差を補償するドメイン適応を行う必要がある。本研究はアライナー（個人間校正変換）と敵対的ドメイン適応を用いた脳波分類モデルを提案する。 本研究の目的は、脳波の個人差を低減し共通特徴量を取得することと、安静時脳波を用いて新規被験者に適したモデルを構築することの二つである。安静時脳波を用いることで利用者の負担を低減し、実応用に適したドメイン適応を目指す。予備的解析の結果、アライナーとドメイン適応を共に用いた提案モデルはクラス間差が大きく被験者間差の小さい分類特徴量を抽出し、これらを用いない場合に比べて分類精度が向上することを示唆する結果が得られた。 |
| （英） | Due to non-stationarity and inter-subject difference, conventional machine learning methods are yet to achieve a breakthrough in EEG classification performance.Calibrating the difference between data from multiple subjects (domain adaptation) is critical for constructing better classification models.We propose an EEG classification model with aligners (compensation for inter-subject difference) and adversarial domain adaptation (ADA).Our objective is two-fold: to extract subject invariant classification features and to calibrate the model for a new subject using resting-state EEG.This imposes little burden on the user and is beneficial for real-world applications.In our preliminary analysis, we found that the model with aligners and ADA can extract latent features that are discriminative across classes but indiscriminative across subjects, and it could outperform the baseline model without aligners and ADA. | |
| キーワード | （和） | Brain Computer Interface (BCI) / 機械学習 / ドメイン適応 / / / / / |
| （英） | Brain Computer Interface (BCI) / machine learning / domain adaptation / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 390, NC2021-75, pp. 149-154, 2022年3月. | |
| 資料番号 | NC2021-75 | |
| 発行日 | 2022-02-23 (NC) | |
| 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 | NC2021-75 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2022-03-02 - 2022-03-04 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | NC, ME，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2022-03-MBE-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | 個人間校正と敵対的ドメイン適応を用いた脳波分類モデルの共通特徴量の抽出 |
| サブタイトル（和） | |
| タイトル（英） | EEG classification with Aligners and Adversarial Domain Adaptation for Invariant Feature Extraction and Calibration Across Subjects |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Brain Computer Interface (BCI) / Brain Computer Interface (BCI) |
| キーワード(2)（和/英） | 機械学習 / machine learning |
| キーワード(3)（和/英） | ドメイン適応 / domain adaptation |
| キーワード(4)（和/英） | / |
| 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） | 白石 達寛 / Tatsuhiro Shiraishi / シライシ タツヒロ |
| 第1著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第2著者 氏名（和/英/ヨミ） | ラインマ コブラー / Reinmar Kober / ラインマ コブラー |
| 第2著者 所属（和/英） | 国際電気通信基礎技術研究所 (略称： ATR) Advanced Telecommunications Research Institute International (略称： ATR) |
| 第3著者 氏名（和/英/ヨミ） | 川鍋 一晃 / Kazuaki Kawanabe / カワナベ カズアキ |
| 第3著者 所属（和/英） | 国際電気通信基礎技術研究所 (略称： ATR) Advanced Telecommunications Research Institute International (略称： ATR) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-03-04 14:45:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2021-75 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.390 |
| ページ範囲 | pp.149-154 |
| ページ数 | 6 |
| 発行日 | 2022-02-23 (NC) |
[研究会発表申込システムのトップページに戻る]