| 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 | 2023-03-15 16:15 睡眠ステージを特徴づけるマウスの脳波時系列の相関次元 ○小山一樹（立教大）・坂口昌徳（筑波大）・大西立顕（立教大）  MSS2022-77 NLP2022-122 |
|
| 抄録 | （和） | 本研究ではマウスの睡眠時の脳波時系列を高次元へ埋め込む上で必要となる埋め込み次元の推定を行う. マウスの睡眠ステージには4種類のラベルが与えられているため，各睡眠ステージラベルごとに最も長く連続した時 系列データの相関次元を GP 法により求める.相関次元から適切な埋め込み次元を推定し，ランダムシャッフルした 時系列との比較を，様々な時間遅れに対して行った.比較の結果，もとの時系列の相関次元は時間遅れの値が大きい ほどランダムシャッフルした時系列の相関次元に近づくことから，時間遅れは高々 4 程度と推定された.偽近傍法に より次元推定した結果，時間遅れ 1 のものとそれ以外のもので値の収束具合に大きな差が生まれた.またランダム シャッフルした時系列に偽近傍法を用いて比較したところ，GP 法と同様に時間遅れが大きいものほどランダムシャッ フルした時系列と収束具合が類似している様子が確かめられた.偽近傍法での結果から相関次元を推定するにはデー タ数が少なかったことが示唆された. |
| （英） | In this study, we estimate the embedding dimension, which is necessary for embedding EEG time series of mouse sleep into higher dimensions. Taking the mouse sleep stages labeled as four stages into consideration, a correlation dimension of the longest consecutive time series data for each sleep stage label is obtained by the GP method. An appropriate embedding dimension was estimated from the correlation dimension and compared with the randomly shuffled time series with various time delays. As a result of the comparison, the time delay is estimated at most 4, because the larger the value of time delay, the closer the correlation dimension of the analyzed time series is to the value of the randomly shuffled time series. Dimensionality estimation using False Nearest Neighbor algorithm revealed a large difference in convergence between the time series with a time delay of 1 and those with other time delays. When False Nearest Neighbor algorithm was applied to the randomly shuffled time series, it was confirmed that, as with the GP algorithm, the convergence of the time series with larger time delay was similar to that of the randomly shuffled time series. The results of False Nearest Neighbor algorithm suggest that the number of data was too small to estimate the correlation dimension. |
|
| キーワード | （和） | 非線形時系列解析 / 相関次元 / GP法 / 偽近傍法 / 睡眠時脳波時系列データ / マウス / / |
| （英） | Non-Linear Time Series Analysis / Correlation Dimension / GP Algorithm / FNN Algorithm / Sleep EEG Data / Mouse / / | |
| 文献情報 | 信学技報, vol. 122, no. 436, NLP2022-122, pp. 75-80, 2023年3月. | |
| 資料番号 | NLP2022-122 | |
| 発行日 | 2023-03-08 (MSS, NLP) | |
| 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 | MSS2022-77 NLP2022-122 |
|
| 研究会情報 | |
| 研究会 | NLP MSS |
| 開催期間 | 2023-03-15 - 2023-03-17 |
| 開催地（和） | 長崎大学 文教キャンパス |
| 開催地（英） | |
| テーマ（和） | MSS，NLP，一般，およびWIP（MSSのみ） |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2023-03-NLP-MSS |
| 本文の言語 | 日本語 |
| タイトル（和） | 睡眠ステージを特徴づけるマウスの脳波時系列の相関次元 |
| サブタイトル（和） | |
| タイトル（英） | Correlation dimensions of EEG time series characterizing sleep stages in mice |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 非線形時系列解析 / Non-Linear Time Series Analysis |
| キーワード(2)（和/英） | 相関次元 / Correlation Dimension |
| キーワード(3)（和/英） | GP法 / GP Algorithm |
| キーワード(4)（和/英） | 偽近傍法 / FNN Algorithm |
| キーワード(5)（和/英） | 睡眠時脳波時系列データ / Sleep EEG Data |
| キーワード(6)（和/英） | マウス / Mouse |
| 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） | 小山 一樹 / Kazuki Koyama / コヤマ カズキ |
| 第1著者 所属（和/英） | 立教大学 (略称： 立教大) Rikkyo University (略称： Rikkyo Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 坂口 昌徳 / Masanori Sakaguchi / サカグチ マサノリ |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Univ. Tsukuba) |
| 第3著者 氏名（和/英/ヨミ） | 大西 立顕 / Takaaki Ohnishi / オオニシ タカアキ |
| 第3著者 所属（和/英） | 立教大学 (略称： 立教大) Rikkyo University (略称： Rikkyo 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 | 2023-03-15 16:15:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NLP |
| 資料番号 | MSS2022-77, NLP2022-122 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.435(MSS), no.436(NLP) |
| ページ範囲 | pp.75-80 |
| ページ数 | 6 |
| 発行日 | 2023-03-08 (MSS, NLP) |
[研究会発表申込システムのトップページに戻る]