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

A study on intention recognition based on analysis of human brain activity

基于人脑活动分析的意图识别研究

基本信息

批准号：
23650538
负责人：
TAKIGUCHI Tetsuya
金额：
$ 2.33万
依托单位：
Kobe University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Challenging Exploratory Research
财政年份：
2011
资助国家：
日本
起止时间：
2011 至 2013
项目状态：
已结题

项目摘要

In this study, we focused on human verbal communication based on analysis of human brain activity data obtained by magnetoencephalography (MEG). In 2011, we proposed a new weighting method using a multiple kernel learning (MKL) algorithm to localize the brain area contributing to the accurate vowel discrimination. Our MKL simultaneously estimates both the classification boundary and the weight of each MEG sensor. The estimated weight indicates how the corresponding sensor is useful for classifying the MEG response patterns. But our proposed method using multiple kernel learning had a high computational cost. In 2012, we proposed a novel and fast weighting method using an AdaBoost algorithm to find the sensor area contributing to the accurate discrimination of vowels. Then, in 2013, we proposed a random projection for feature extraction of human activity data.

在本研究中，我们基于脑磁图（MEG）获得的人类大脑活动数据进行分析，重点研究人类的语言交流。2011年，我们提出了一种新的加权方法，使用多核学习（MKL）算法来定位大脑区域，有助于准确区分元音。我们的MKL同时估计每个MEG传感器的分类边界和权重。估计的权重表明相应的传感器对MEG响应模式分类的有用程度。但是我们提出的多核学习方法计算量大。2012年，我们提出了一种新的快速加权方法，利用AdaBoost算法找到传感器区域，有助于准确识别元音。然后，在2013年，我们提出了一种用于人类活动数据特征提取的随机投影。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

A New Multiple-Kernel-Learning Weighting Method for Localizing Human Brain Magnetic Activity

一种新的多核学习加权方法来定位人脑磁活动

DOI：
10.1109/icassp.2012.6287995
发表时间：
2012
期刊：
IEEE ICASSP
影响因子：
0
作者：
T. Takiguchi;T. Imada;R. Takashima;Y. Ariki;J.-F. L. Lin;P.K. Kuhl;M. Kawakatsu;and M. Kotani
通讯作者：
and M. Kotani

An adaboost-based weighting method for localizing human brain magnetic activity

DOI：
发表时间：
2012-12
期刊：
Proceedings of The 2012 Asia Pacific Signal and Information Processing Association Annual Summit and Conference
影响因子：
0
作者：
T. Takiguchi;R. Takashima;Y. Ariki;T. Imada;Jo-Fu Lotus Lin;P. Kuhl;M. Kawakatsu;M. Kotani
通讯作者：
T. Takiguchi;R. Takashima;Y. Ariki;T. Imada;Jo-Fu Lotus Lin;P. Kuhl;M. Kawakatsu;M. Kotani