| 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 | 2025-03-14 11:10 機械学習によるEMGからの前腕動作推定における訓練法に関する一検討 ○佐々木駿介（阪大）・ライプニッツ ケンジ・ペパー フェルディナンド（NICT）・若宮直紀（阪大）  MICT2024-63 |
|
| 抄録 | （和） | 筋電位（EMG）信号から筋肉の動きを推定する際、各被験者専用のモデルを作成することで最高の分類精度が得られる。しかし、大量のデータと計算コストが必要となるため、個々の被験者ごとにモデルを準備することは非効率的である。本研究では、EMGデータを用いて汎用的な機械学習モデルを訓練する二つの戦略を比較する。一つ目は汎用化したデータからモデルを作成する方法であり、二つ目は訓練中に汎用化を行う方法である。両手法は、訓練時にすでに含まれていた特徴でモデルを評価する場合と、一部の特徴が訓練時に含まれていない場合の二つの観点から検証された。本論文の目的は、最も汎用性の高いモデルを用いて筋肉の動作を分類できる一般化戦略を見つけることである。 |
| （英） | When we apply machine learning models to estimate muscle movements from EMG signals, we will achieve the highest classification accuracy by having a dedicated model for each individual subject. However, the large requirements on data and computational cost make this method inefficient to be prepared for each individual subject. This study compares two strategies for training generalized machine learning models with EMG data. The first strategy creates a model that generalizes the data in advance, while the second model performs the generalization during training. Both methods aim to generalize the learning of individual differences in EMG signals and are evaluated for their effectiveness in creating models for classifying muscle movements. The two methods were tested from two different perspectives: their performance when the model is tested on features that had been already previously included during training and when some of the features had not been included during training. Our goal of this paper is to find the generalization strategy that can classify muscle movements having the most generalized model. | |
| キーワード | （和） | 筋電信号 / 機械学習 / 筋運動 / 訓練戦略 / / / / |
| （英） | EMG / machine learning / muscle movement / training strategy / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 437, MICT2024-63, pp. 11-16, 2025年3月. | |
| 資料番号 | MICT2024-63 | |
| 発行日 | 2025-03-07 (MICT) | |
| 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 | MICT2024-63 |
|
| 研究会情報 | |
| 研究会 | EMCJ MICT |
| 開催期間 | 2025-03-14 - 2025-03-14 |
| 開催地（和） | 福江総合福祉保健センター（五島市） |
| 開催地（英） | |
| テーマ（和） | 生体，EMC一般，ヘルスケア・医療情報通信技術 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MICT |
| 会議コード | 2025-03-EMCJ-MICT |
| 本文の言語 | 英語（日本語タイトルあり） |
| タイトル（和） | 機械学習によるEMGからの前腕動作推定における訓練法に関する一検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Training Methods for Forearm Motion Estimation from EMG using Machine Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 筋電信号 / EMG |
| キーワード(2)（和/英） | 機械学習 / machine learning |
| キーワード(3)（和/英） | 筋運動 / muscle movement |
| キーワード(4)（和/英） | 訓練戦略 / training strategy |
| 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） | 佐々木 駿介 / Shunsuke Sasaki / ササキ シュンスケ |
| 第1著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ) |
| 第2著者 氏名（和/英/ヨミ） | ライプニッツ ケンジ / Kenji Leibnitz / ライプニッツ ケンジ |
| 第2著者 所属（和/英） | 情報通信研究機構 (略称： NICT) NICT (略称： NICT) |
| 第3著者 氏名（和/英/ヨミ） | ペパー フェルディナンド / Ferdinand Peper / ペパー フェルディナンド |
| 第3著者 所属（和/英） | 情報通信研究機構 (略称： NICT) NICT (略称： NICT) |
| 第4著者 氏名（和/英/ヨミ） | 若宮 直紀 / Naoki Wakamiya / ワカミヤ ナオキ |
| 第4著者 所属（和/英） | 大阪大学 (略称： 阪大) Osaka University (略称： Osaka Univ) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-14 11:10:00 |
| 発表時間 | 20分 |
| 申込先研究会 | MICT |
| 資料番号 | MICT2024-63 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.437 |
| ページ範囲 | pp.11-16 |
| ページ数 | 6 |
| 発行日 | 2025-03-07 (MICT) |
[研究会発表申込システムのトップページに戻る]