Home本研究成果のポイント
〇筋収缩时に発生する筋电位信号から、人の动作意図を高精度に推定可能なパターン识别法を提案した。
〇提案法は、确率的生成モデルを内包しており、筋电位信号の分散を潜在的な确率変数として扱うことで、信号に含まれる不确実性を考虑したパターン识别が可能である。
〇提案法の学习には、変分ベイズ法による事后分布の近似推论と、相互情报量最大化に基づくハイパーパラメータ决定法を导入し、筋电位パターンの个人差に応じてモデルの构造や特性を最适化することができる。
〇复数の筋电位データセットを用いた実験の结果、提案法が一般的なパターン识别器よりも识别精度?计算コストの面で优れていることが示された。
概 要
筋収缩时に発生する表面筋电位信号は、人の内的状态を反映していることから、ロボット义手やリハビリ机器の制御信号として利用されてきた。このような筋电位信号に基づく制御システムを実现するためには、计测した筋电位パターンから人の动作意図を精度良く认识する必要がある。一方、筋电位信号の分散には、筋活动の不确実性に起因するばらつきが含まれることが知られており、従来の筋电位パターン识别法ではこの现象を十分に考虑することができなかった。そこで本研究では、この筋电位信号の不确実性を尺度混合确率モデルとして表现し、筋电位パターン认识へと応用する。提案法では、筋电位信号の分散を潜在的な确率変数として扱うことにより、筋活动に応じた不确実性を表现できる。また、変分ベイズ推论に基づく学习法を採用することで、学习过程でモデルの复雑さをデータから自动的に决定可能である。さらに、提案手法に含まれるハイパーパラメータを最适化するため、相互情报量最大化に基づく决定法を导入した。以上の学习上の工夫により、筋电位パターンの个人差に応じてモデルの构造や特性を最适化することができる。実験では、复数の筋电位データセットを用いて提案法の识别精度を検証した。その结果、提案法が一般的なパターン识别器よりも优れた识别能力を有することが示された。以上より、筋电位信号の确率的特徴を考虑した识别器を构筑することで、高精度なパターン识别が可能である。
