ブレイン・コンピュータインタフェースの分類精度向上のための深層学習の階層構造の検討

カテゴリ: 研究会(論文単位)

論文No: IM21030,PI21068

グループ名: 【A】基礎・材料・共通部門 計測/【C】電子・情報・システム部門 知覚情報合同研究会

発行日: 2021/12/13

タイトル(英語): Study of Hierarchical Structure of Deep Learning to Improve Classification Accuracy of Brain-Computer Interfaces

著者名: 門脇 佑馬(工学院大学大学院),田中 久弥(工学院大学大学院)

著者名(英語): Yuma Kadowaki(Informatics Program, Graduate school of Kogakuin University),Hisaya Tanaka(Informatics Program, Graduate school of Kogakuin University)

キーワード: 運動想起|深層学習|ブレイン・コンピュータインタフェース|畳み込みニューラルネットワーク|分類|Motor image|Deep learning|Brain-Computer Interface|Convolution Neural Network|Classification

要約(日本語): 我々はブレイン・コンピュータインタフェースの性能を深層学習(CNN)で向上させる研究を行っている。今回はCNNの階層数と分類率の効果を検証した。左右の手の運動想起データを時間周波数情報に前処理してからCNNで学習させた。CNN階層を２，４，９層として検証したところ2層の場合で左右想起が69.64%の精度で最も高く分類されそれ以上の階層数では分類率が低下したので今回の条件では階層が浅い方がBCIの分類性能向上につながると考えられる。

要約(英語): We have been working on improving the performance of brain-computer interfaces with deep learning (CNN). In this study, we examined the effect of the number of CNN layers and the classification rate. We did preprocess left and right hands motion imagery data into time-frequency information and trained the data with CNN. 2, 4, and 9 layers of CNN hierarchy were tested, and the motor imagery data was classified with the highest accuracy of 69.64% in the case of 2 layers, and the classification rate decreased for higher layers. Therefore, the BCI classification performance of the shallower hierarchy is better.

本誌: 2021年12月16日-2021年12月17日計測/覚情報合同研究会

本誌掲載ページ: 29-34 p

原稿種別: 日本語

PDFファイルサイズ: 3,011 Kバイト