| 講演名 | 2023-03-15 睡眠ステージを特徴づけるマウスの脳波時系列の相関次元 小山 一樹(立教大), 坂口 昌徳(筑波大), 大西 立顕(立教大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本研究ではマウスの睡眠時の脳波時系列を高次元へ埋め込む上で必要となる埋め込み次元の推定を行う. マウスの睡眠ステージには4種類のラベルが与えられているため，各睡眠ステージラベルごとに最も長く連続した時 系列データの相関次元を GP 法により求める.相関次元から適切な埋め込み次元を推定し，ランダムシャッフルした 時系列との比較を，様々な時間遅れに対して行った.比較の結果，もとの時系列の相関次元は時間遅れの値が大きい ほどランダムシャッフルした時系列の相関次元に近づくことから，時間遅れは高々 4 程度と推定された.偽近傍法に より次元推定した結果，時間遅れ 1 のものとそれ以外のもので値の収束具合に大きな差が生まれた.またランダム シャッフルした時系列に偽近傍法を用いて比較したところ，GP 法と同様に時間遅れが大きいものほどランダムシャッ フルした時系列と収束具合が類似している様子が確かめられた.偽近傍法での結果から相関次元を推定するにはデー タ数が少なかったことが示唆された. |
| 抄録(英) | In this study, we estimate the embedding dimension, which is necessary for embedding EEG time series of mouse sleep into higher dimensions. Taking the mouse sleep stages labeled as four stages into consideration, a correlation dimension of the longest consecutive time series data for each sleep stage label is obtained by the GP method. An appropriate embedding dimension was estimated from the correlation dimension and compared with the randomly shuffled time series with various time delays. As a result of the comparison, the time delay is estimated at most 4, because the larger the value of time delay, the closer the correlation dimension of the analyzed time series is to the value of the randomly shuffled time series. Dimensionality estimation using False Nearest Neighbor algorithm revealed a large difference in convergence between the time series with a time delay of 1 and those with other time delays. When False Nearest Neighbor algorithm was applied to the randomly shuffled time series, it was confirmed that, as with the GP algorithm, the convergence of the time series with larger time delay was similar to that of the randomly shuffled time series. The results of False Nearest Neighbor algorithm suggest that the numberof data was too small to estimate the correlation dimension. |
| キーワード(和) | 非線形時系列解析 / 相関次元 / GP法 / 偽近傍法 / 睡眠時脳波時系列データ / マウス |
| キーワード(英) | Non-Linear Time Series Analysis / Correlation Dimension / GP Algorithm / FNN Algorithm / Sleep EEG Data / Mouse |
| 資料番号 | MSS2022-77,NLP2022-122 |
| 発行日 | 2023-03-08 (MSS, NLP) |
| 研究会情報 | |
| 研究会 | NLP / MSS |
|---|---|
| 開催期間 | 2023/3/15(から3日開催) |
| 開催地（和） | 長崎大学 文教キャンパス |
| 開催地（英） | |
| テーマ（和） | MSS，NLP，一般，およびWIP（MSSのみ） |
| テーマ（英） | |
| 委員長氏名（和） | 常田 明夫(熊本大) / 尾崎 敦夫(阪工大) |
| 委員長氏名（英） | Akio Tsuneda(Kumamoto Univ.) / Atsuo Ozaki(Osaka Inst. of Tech.) |
| 副委員長氏名（和） | 鳥飼 弘幸(法政大) / 山口 真悟(山口大) |
| 副委員長氏名（英） | Hiroyuki Torikai(Hosei Univ.) / Shingo Yamaguchi(Yamaguchi Univ.) |
| 幹事氏名（和） | 吉岡 大三郎(崇城大) / 伊藤 大輔(岐阜大) / 小林 孝一(北大) / 劉 健全(NEC) |
| 幹事氏名（英） | Daizaburo Yoshioka(Sojo Univ.) / Daisuke Ito(Gifu Univ.) / Koichi Kobayashi(Hokkaido Univ.) / Jianquan Liui(NEC) |
| 幹事補佐氏名（和） | 横井 裕一(長崎大) / 山仲 芳和(宇都宮大) / 白井 匡人(島根大) |
| 幹事補佐氏名（英） | Yuichi Yokoi(Nagasaki Univ.) / Yoshikazu Yamanaka(Utsunomiya Univ.) / Masato Shirai(Shimane Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Nonlinear Problems / Technical Committee on Mathematical Systems Science and its Applications |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 睡眠ステージを特徴づけるマウスの脳波時系列の相関次元 |
| サブタイトル（和） | |
| タイトル（英） | Correlation dimensions of EEG time series characterizing sleep stages in mice |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 非線形時系列解析 / Non-Linear Time Series Analysis |
| キーワード(2)（和/英） | 相関次元 / Correlation Dimension |
| キーワード(3)（和/英） | GP法 / GP Algorithm |
| キーワード(4)（和/英） | 偽近傍法 / FNN Algorithm |
| キーワード(5)（和/英） | 睡眠時脳波時系列データ / Sleep EEG Data |
| キーワード(6)（和/英） | マウス / Mouse |
| 第 1 著者 氏名（和/英） | 小山 一樹 / Kazuki Koyama |
| 第 1 著者 所属（和/英） | 立教大学(略称：立教大) Rikkyo University(略称：Rikkyo Univ.) |
| 第 2 著者 氏名（和/英） | 坂口 昌徳 / Masanori Sakaguchi |
| 第 2 著者 所属（和/英） | 筑波大学(略称：筑波大) University of Tsukuba(略称：Univ. Tsukuba) |
| 第 3 著者 氏名（和/英） | 大西 立顕 / Takaaki Ohnishi |
| 第 3 著者 所属（和/英） | 立教大学(略称：立教大) Rikkyo University(略称：Rikkyo Univ.) |
| 発表年月日 | 2023-03-15 |
| 資料番号 | MSS2022-77,NLP2022-122 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | MSS-435,NLP-436 |
| ページ範囲 | pp.75-80(MSS), pp.75-80(NLP), |
| ページ数 | 6 |
| 発行日 | 2023-03-08 (MSS, NLP) |