※一部利用できない機能があります
| 1.
論文 |
論文
|
稲垣, 清人 ; 中山, 謙二
概要:
金沢大学理工研究域 電子情報学系<br />階層形ニューラルネットワークを用いて脳波解析に基づくメンタルタスクの推定を行った.5種類のメンタルタスクを対象とし, 7チャネルの電極で測定した脳波を用いた.脳波をフーリエ変換して特徴を抽出した.
…
値が小さいサンプルが多いので, 非線形正規化を行った.1チャネル当たり2,500サンプルの脳波データを平均化により圧縮を行ったが, 1チャネル当たり20サンプルの場合が良好な結果を得た.ニューラルネットワークの出力が小さい場合は「判定不能」とするが, そのための閾値によって, (正答率, 誤答率)は(78%, 0%)〜(92%, 8%)の範囲で変化する.閾値が低いほど, 正答率が向上するが, 同時に誤答率も高くなる.今回用いたメンタルタスクの種類に差はあまり大きくなかった.脳波は個人差も大きい.3人の被験者に対して個別にニューラルネットワークを学習した場合でも, 42%〜78%の開きがあった.さらに, 2人の被験者の脳波データを単一のニューラルネットワークで学習した場合の正答率は, 個別学習の78%, 72%から65%に低下しており, 推定が難しくなっている. A multilayer neural network has been applied to estimation of mental tasks based on brain waves. Five kinds of the mental tasks are used. The brain waves were measured by using 7-channels. Features are extracted through Fourier transform. Since many samples have small value, the nonlinear normalization is employed. 2,500 samples are included in a channel. The number of the samples is compressed by taking average of the successive several samples. 20 samples per a channel can provide good estimation results. When the outputs of the neural network are small, the estimation results are not reliable and are rejected by using some threshold. (Correct and mis-judgement rate) vary from (78% and 0%) to (92% and 8%). As the threshold is increased, both correct and mis-judgement are decreased. The brain waves are different from person to person. The correct judgement rates for three persons are 42%〜78%. Furthermore, when a single neural network is applied to the brain wave data of two persons, the correct judgement rate decreases from 78% and 72% to 65%.
続きを見る
|
||||
| 2.
論文 |
論文
|
出島, 康宏 ; 堀田, 明秀 ; 中山, 謙二 ; 平野, 晃宏
概要:
金沢大学理工研究域 電子情報学系<br />ブラインド信号源分離(BSS)では、出力を独立にするように学習が行われるため信号歪みが発生する可能性があることが知られている.また, フィードフォワード形ブラインド信号源分離(FF-BSS)は分離
…
回路における自由度が高く, 出力信号を互いに独立にする学習が信号歪みを生じる可能性がある.そこで信号歪みの低減のために完全分離の条件と無歪の条件から導かれた式を学習に加味するという手法がすでに提案されている.本稿では周波数領域におけるFF-BSSにおいてその手法を適用し, 様々な信号源に対しての信号歪み抑制法の性能をシミュレーションにより解析する. In the blind source separation (BSS), a separation block is trained so as to make its output signals to be statistically independent. Since the frequency domain BSS has some degree of freedom, the wave form and frequency response of the separated signals may be changed from the originals, resulting in signal distortion. In this paper, a learning algorithm, suppressing the signal distortion, for the feedforward BSS, implemented in the frequency domain, is proposed. A condition on both complete separation and signal distortion free has been proposed. This condition is included in the learning process as constraint. Usefulness of the proposed learning algorithm is analyzed by using several kinds of the signal sources.
続きを見る
|
||||
| 3.
論文 |
論文
|
出島, 康宏 ; 堀田, 明秀 ; 中山, 謙二 ; 平野, 晃宏
概要:
金沢大学理工研究域電子情報学系<br />ブラインド信号源分離(BSS)では、出力を独立にするように学習が行われるため信号歪みが発生する可能性があることが知られている. また, フィードフォワード形ブラインド信号源分離(FF-BSS)は分離
…
回路における自由度が高く, 出力信号を互いに独立にする学習が信号歪みを生じる可能性がある. そこで信号歪みの低減のために完全分離の条件と無歪の条件から導かれた式を学習に加味するという手法がすでに提案されている. 本稿では周波数領域におけるFF-BSSにおいてその手法を適用し, 様々な信号源に対しての信号歪み抑制法の性能をシミュレーションにより解析する.
続きを見る
|
||||
| 4.
論文 |
論文
|
中山, 謙二 ; Nakayama, Kenji
概要:
1)オーバーコンプリート形ブラインド信号源分離(OC-BSS)平成17年度に提案した,フィードバック形BSSにおいて,フィードバックにより信号源を相殺するための好しい学習法を提案した。混合過程に関する情報を使う方法と信号のヒストグラムを使う
…
2つの方法を提案した。さらに,ヒストグラムを使う方法に関して,信号歪みを低減する方法を提案した。信号歪みを雑音と見なして,スペクトルサプレッション法により雑音スペクトルを抑制する方法である。音声の信号源を3個,センサーを2個としたときのシミュレーションを行い,従来法に比べて,信号対干渉比が約10dB改善された。2)非線形混合過程に対するブラインド信号源分離信号源のグループ分離と線形化を縦続接続する方式を以前に提案したが,その学習法に関して改良を行った。特に,線形化に関して,「初期値の設定法」及び「パラメータの学習法」に関して新しい方法を提案し,信号源の分離特性を大幅に改善した。また,信号源とセンサーの位置関係と必要なセンサー数の関係についても解析し,実用化における指針を与えた。3)ブラインド信号源分離における信号歪みの低減フィードフォワード形(FF-)BSSに対して,信号歪みを抑制する新しい学習法を提案した。従来の学習法に信号歪みを抑制する制約条件を課す方法である。2チャネルと3チャネルについてシミュレーションを行い,分離特性と信号歪みを評価した。その結果,従来の信号歪み抑制形学習法に比べて大幅な特性改善を実現した。さらに,フィードバック形(FB-)BSSとFF-BSSが各々有効に使用できる条件を明らかにした。<br />A feedback approach and its learning algorithm are proposed for the OC-BSS. By using the sensors more than a half of the sources, at least one output can separate a single signal source. This output is fed back to the inputs of the separation block, and is subtracted from the observations, in order to reduce the number of equivalent signal sources. Two kinds of feedback methods are proposed, which are direct subtraction and sample elimination based on histogram of the observed signals and the separated signal above. In the latter process, signal distortion is further suppressed by the spectral suppression technique. The proposed method can improve a signal to interference ratio by 6〜10 dB compared to the conventional methods.Source separation and signal distortion are theoretically analyzed in blind source separation (BSS) systems implemented in both the time and the frequency domains. Feedforward (FF-) BSS systems have some degree of freedom in the solution space. Therefore, signal distortion is likely to occur. Next, a condition for complete separation and distortion free is derived for multi-channel FF-BSS systems. This condition is incorporated in learning algorithms as a distortion free constraint. Computer simulations using speech signals and stationary colored signals are performed for conventional methods and the new learning algorithms employing the proposed distortion free constraint. The proposed method can drastically suppress signal distortion, while maintaining a high separation performance.<br />研究課題/領域番号:17560335, 研究期間(年度):2005-2006<br />出典：「非線形畳み込み混合過程におけるオーバーコンプリート形ブラインド信号源分離」研究成果報告書 課題番号17560335 (KAKEN：科学研究費助成事業データベース（国立情報学研究所）) 本文データは著者版報告書より作成
続きを見る
|
||||
| 5.
論文 |
論文
|
中山, 謙二 ; Nakayama, Kenji
概要:
1.階層形NNによるパターン分類能力の評価周波数成分に基づく信号検出において、測定サンプル数が制限されている場合は線形処理によるスペクトル分析では十分な検出が行えない。階層形NNでは、ニューロンの非線形特性により信号空間での領域形成の自由度
…
が高く,不規則に分布する信号の分類能力が高いことを確認した。具体的には、ダイヤルトーンなどの応用例においてその有効性を確認した。2.凡化能力を保証する最小学習データの選択方法パターン分類を対象として、未学習パターンに対しても高い分類(凡化)能力を有する階層形NNを実現するための最小学習データの選択方法を提案した。ユークリッド距離に基づいて分類境界面に対峙する各クラスのデータを抽出するものである。データの組み合わせに基づく方法と、学習中の出力誤差に基づく方法について、収束性と学習時間の関係について検討した。また、データが逐次与えられる問題において、常に、最少の学習データを保持できることをシミュレーションにより確認した。3.オンライン学習における最少学習データの選択方法未学習パターンに対しても高い分類(汎化)能力を保証する最少データ選択法について、更に、オンライン学習における方法を提案した。種々のパターン分類問題に適用し、有効性を確認した。4.階層形NNにおけるニューロンの活性化関数の最適化最適な活性化関数はNNを適用する問題によって様々である。また、活性化関数を最適化することにより、回路規模を大幅に低減できる。本研究では、結合荷重の学習と同時に活性化関数自身を学習する方法を提案した。8ビットパリテイ問題等、難しい問題が最小の回路規模で実現できることを確認した。<br />1. Pattern Classification by Multilayr Ne0ural NetworksIn the signal detection based on frequency components, when the number of the signal samples is limited, accurate detection by linear methods is difficult. The multilayr neural networks can provide high classification performance. The vectors of the signals, which have a small number samples or low SNR,are usually distributed randomly in the N dimensional space. Therefore, the boundary, which separate these vectors becomes very complicated. This can be done by using the nonlinearity of the neurons in the multilayr NNs.2. Selection of Minimum Training Data for GeneralizationA data selection method has been proposed, by which the data belong to the different classes and across over the boundary are selected. These data can guarantee generalization, that is the data, which were not used in the training can be effectively separated.3. Selection of Minimum Training Data for On-Line TrainingThe data are successively applied to the neural networks in the on-line applications. A method, which can select the useful data and hold the minimum number of the training data, has been proposed. Through several kinds of examples, the proposed method was confirmed to be useful.4.Optimization of Activation FunctionsThe network size required for some applications is highly dependent on the activation functions, that is nonlinear functions. A simultaneous learning method for both connection weights and activation functons has been proposed. The parity check problem, which is a difficult task for the multilayr neural networks, can be effectively solved using the minimum number of the hidden units.<br />研究課題/領域番号:07650422, 研究期間(年度):1995-1997<br />出典：「階層形ニューラルネットワークの最小構成のための最適設計法の研究」研究成果報告書 課題番号07650422(KAKEN：科学研究費助成事業データベース（国立情報学研究所）) 本文データは著者版報告書より作成
続きを見る
|
