权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

機械学習技術を用いた夢の情動価の推定に関する研究

利用机器学习技术估计梦的情感效价的研究

基本信息

批准号：
19K16244
负责人：
元村祐貴
金额：
$ 2.75万
依托单位：
Kyushu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-01 至 2023-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19K16244/
关键词：
夢入眠時心像機械学習情動推定脳波

项目摘要

本年度は,レム睡眠時の夢の情動推定に応用するため、入眠時心像を体験した本人の報告と体験時の脳波等の生理反応から,機械学習技術によって入眠時心像の発生の有無を推定するアルゴリズムを構築することを目的とした.実験参加者は健康な男子大学生4名を対象とし、日中に仮眠させたときの入眠時心像についての報告とその際の生理データを取得した.参加者には,実験前日の激しい運動,飲酒,実験当日の喫煙,カフェインの摂取を控えてもらった.実験当日は6時に起床し,13時に実験室に到着後,計測用のセンサ等の装着を行った.実験室において参加者を入眠させ,脳波をモニタリングした.入眠確認後,覚醒させ夢聴取質問紙で夢内容を聴取し,聴取後に再入眠させた.この流れを1セッションとして繰り返して行い,3時間にわたり行った.得られたデータに対し、ランダムフォレストとBORUTAを用いて入眠時心像の有無を推定する機械学習アルゴリズムを構築した。個人内アルゴリズムにおいて,判別精度は平均72.1±3.30%であり,すべての参加者でチャンスレベル50%を大きく上回る結果となった.また,各参加者で共通して選択される変数が確認できなかった.このことから,入眠時心像形成プロセスにおける生理反応には大きな個人差があることが示唆される.実際,統合アルゴリズムでは,判別精度は平均50.9±3.08%であり,チャンスレベル50%程度に留まった.本研究では,個人の脳波データを用いた時に入眠時心像体験の有無を判別できる可能性を示し,レム睡眠時の夢内容推定にも応用できると考えられる.

This year, when you sleep, you are presumed to have some physiological symptoms, such as sleep, sleep and sleep. There are 4 male college students who are in good health and sleep in the middle of the day. When they go to sleep, they feel like they are in the mood to go to sleep. Participants will have an exciting exercise on the day before yesterday, buy wine, have a drink on the same day, and have a drink on the same day. You will get up at 6 o'clock on the same day, and when the room arrives at 13: 00, the schedule will be filled with waiting tables. In the room, the participants went to sleep, and the participants fell asleep. After sleeping correctly, wake up to pick up the contents of the question, and then go back to sleep. In the first half of the year, the bank will be returned to the bank, and the bank will be returned to the bank in 3 hours. When you go to sleep, you have to believe that there is no presumption that there is no BORUTA in your mind. The average accuracy was 72.1 ±3.30%, and the average accuracy was 72.1 ±3.30%. The average accuracy was 72.1 ±3.30%, and the average accuracy was 72.1 ±3.30%. All participants are required to select the number of participants to confirm the number of participants. When you go to sleep, you feel like you are in a bad mood. You have a bad physiology. You have a big personal error. Internationally, the overall accuracy is 50.9 ±3.08%, and the accuracy is 50% higher than that of 50%. In this study, the mental image of the individual was not able to identify the possibility of sleep during sleep, and the content of sleep was presumed to be tested during sleep.