| 講演名 | 2022-03-04 脳波位相同期値による感情状態弁別のための機械学習手法の検討 廣岡 郁弥(京都産大), 奥田 次郎(京都産大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本研究では、脳波の電極間位相同期値を用いて快と不快の感情状態を精度よく弁別する機械学習手法を検討した。視覚呈示した画像に対して快あるいは不快の感情を感じた際の脳波の電極ごとの周波数パワー値と電極間位相同期値を入力特徴量として、sparse logistic regression（SLR）および非線形support vector machine（SVM）を用いて、快・不快感情状態弁別モデルの作成および評価を行った。その結果、電極間の位相同期値を入力特徴量に含めることで弁別正答率が向上した。また、脳波特徴の時間変化の情報も加味して、SLRによって同定された弁別に寄与する特徴量をSVMによって弁別させることで、最も高い弁別正答率が得られた。これらの結果は、脳波位相同期指標が感情状態弁別に有効であり、弁別に重要な入力特徴量を事前に適切に選別しながら、複数の機械学習手法の利点を相補的に組み合わせることで、より良い弁別精度が実現できることを示す。 |
| 抄録(英) | This study investigated machine learning methods for emotion discrimination by using phase synchronization of electroencephalogram (EEG). We used sparse logistic regression (SLR) and non-linear support vector machine (SVM) with spectral powers of individual EEG electrodes as well as phase locking values (PLVs) across electrodes as input features to better discriminate pleasant and unpleasant emotional states for visually presented pictures. Results showed higher discrimination accuracy when the PLVs in addition to the spectral powers were included into the input features. Particularly, the highest accuracy was achieved when discriminatory features identified by the SLR were used as input features to the SVM, under the condition that information on cross-temporal EEG changes was considered. The results of the present study suggest importance of temporal characteristics of the EEG phase synchronization in the emotion discrimination, as well as complementary use of multiple machine learning methods each having different discriminatory advantage. |
| キーワード(和) | 感情弁別 / 脳波 / Phase Locking Value (PLV) / Sparse Logistic Regression (SLR) / Support Vector Machine (SVM) / 時間特徴 |
| キーワード(英) | Emotion Discrimination / Electroencephalogram (EEG) / Phase Locking Value (PLV) / Sparse Logistic Regression (SLR) / Support Vector Machine (SVM) / Temporal Characteristics |
| 資料番号 | NC2021-74 |
| 発行日 | 2022-02-23 (NC) |
| 研究会情報 | |
| 研究会 | MBE / NC |
|---|---|
| 開催期間 | 2022/3/2(から3日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | NC, ME，一般 |
| テーマ（英） | |
| 委員長氏名（和） | 奥野 竜平(摂南大) / 大須 理英子(早大) |
| 委員長氏名（英） | Ryuhei Okuno(Setsunan Univ.) / Rieko Osu(Waseda Univ.) |
| 副委員長氏名（和） | 堀 潤一(新潟大) / 山川 宏(東大) |
| 副委員長氏名（英） | Junichi Hori(Niigata Univ.) / Hiroshi Yamakawa(Univ of Tokyo) |
| 幹事氏名（和） | 中村 英夫(大阪電気通信大) / 内部 英治(ATR) / 西田 知史(NICT) |
| 幹事氏名（英） | Hideo Nakamura(Osaka Electro-Communication Univ) / Eiji Uchibe(ATR) / Satoshi Nishida(NICT) |
| 幹事補佐氏名（和） | 赤澤 淳(明治国際医療大学) / 湯田 恵美(東北大) / 我妻 伸彦(東邦大) / 栗川 知己(関西医科大) |
| 幹事補佐氏名（英） | Jun Akazawa(Meiji Univ. of Integrative Medicine) / Emi Yuda(Tohoku Univ) / Nobuhiko Wagatsuma(Toho Univ.) / Tomoki Kurikawa(KMU) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on ME and Bio Cybernetics / Technical Committee on Neurocomputing |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 脳波位相同期値による感情状態弁別のための機械学習手法の検討 |
| サブタイトル（和） | |
| タイトル（英） | Investigation of machine learning methods for emotion discrimination by using phase synchronization of electroencephalogram |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 感情弁別 / Emotion Discrimination |
| キーワード(2)（和/英） | 脳波 / Electroencephalogram (EEG) |
| キーワード(3)（和/英） | Phase Locking Value (PLV) / Phase Locking Value (PLV) |
| キーワード(4)（和/英） | Sparse Logistic Regression (SLR) / Sparse Logistic Regression (SLR) |
| キーワード(5)（和/英） | Support Vector Machine (SVM) / Support Vector Machine (SVM) |
| キーワード(6)（和/英） | 時間特徴 / Temporal Characteristics |
| 第 1 著者 氏名（和/英） | 廣岡 郁弥 / Fumiya Hirooka |
| 第 1 著者 所属（和/英） | 京都産業大学大学院(略称：京都産大) Kyoto Sangyo University Graduate School(略称：Kyoto Sangyo Univ. Grad. Sch.) |
| 第 2 著者 氏名（和/英） | 奥田 次郎 / Jiro Okuda |
| 第 2 著者 所属（和/英） | 京都産業大学大学院(略称：京都産大) Kyoto Sangyo University Graduate School(略称：Kyoto Sangyo Univ. Grad. Sch.) |
| 発表年月日 | 2022-03-04 |
| 資料番号 | NC2021-74 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | NC-390 |
| ページ範囲 | pp.143-148(NC), |
| ページ数 | 6 |
| 発行日 | 2022-02-23 (NC) |