効率的な深層学習：脳信号を使用したロボットベースのリハビリテーションの実装

点击翻译按钮获取中文摘要

今年度は、BMI システム実装に対する深層学習と遺伝的アルゴリズム統合について研究を拡張し、以下の研究テーマに重点を置いて実施しました。1. 転移学習を使用し、認識率とトレーニング時間の観点で深層学習のパフォーマンスを向上させること。始めに、特定のタスクと課題に対する CNNのトレーニングを実施しました。 次に、BMI システムにおける類似の概念および新規課題のため、新規の CNNに対してトレーニング済みの CNN の一部を転送し、トレーニングを実施しました。2. 遺伝的アルゴリズムを利用して有用なデータを選択し、深層学習アルゴリズムのパフォーマンスを向上させること。ディープ ラーニングのパフォーマンスに関連するもう 1 つの問題は、トレーニング データと強く関連しています。 つまり、収集されたすべてのデータが特に脳のデータに役立つわけではありません。3. トレーニング済みの CNNを用いたリアルタイムでのロボット制御。脳信号は CNN によって分類され、認識された動きはリアルタイムでロボットハンドに転送されます。ロボットの応答は、実時間状況において有効な速度であることを確認した。また、2022年度計測自動制御学会において学術奨励賞を受賞した。