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

高效深度学习：利用大脑信号实施基于机器人的康复

• 批准号: 21K03970
• 负责人: Capi Genci
• 金额: $ 2.66万
• 依托单位: Hosei University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-21K03970/
• 关键词: 深層学習; BMI; リハビリテーション; 転移学習; ロボットハンド; 遺伝的アルゴリズム; 効率的な深層学習

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。

今年，我们扩展了有关BMI系统实施的深度学习和遗传算法整合的研究，并专注于以下研究主题。 1。利用转移性学习从识别率和训练时间的观点中提高深度学习的表现。首先，我们对特定任务和问题进行了CNN培训。 接下来，对于BMI系统中的类似概念和新任务，我们转移了一些新的CNN CNN并受过训练。 2。使用遗传算法选择有用的数据以提高深度学习算法的性能。与深度学习表现有关的另一个问题与培训数据密切相关。 换句话说，并非所有收集的数据对于大脑数据特别有用。 3。使用培训CNN的实时机器人控制。大脑信号由CNN分类，并实时将公认的运动转移至机器人。证实机器人的响应在实际情况下是有效的。他还在2022年自动测量控制协会上获得了学术鼓励奖。

项目成果

デ ィ ー プ ラ ー ニ ン グ を 用い た BMIシ ス テ ム の 開発

利用深度学习开发BMI系统

BMIにおける転移学習を用いたCNNの性能向上

在 BMI 中使用迁移学习提高 CNN 性能

• 发表时间: 2021
• 作者: R. Takahashi;S. Sugiyama;E. Petoku;A. Shirai and G. Capi
• 通讯作者: A. Shirai and G. Capi

EEG Channels Optimization for Wireless BMI-based Robot Interaction for Internet of Robotic Things

用于机器人物联网的基于无线 BMI 的机器人交互的 EEG 通道优化

• 发表时间: 2023
• 作者: Satoki Sugiyama;Goragod Pongthanisorn;Shirai Aya and Genci Capi
• 通讯作者: Shirai Aya and Genci Capi

Optimizing Convolutional Neural Networks to Control the Robotic Hand using Brain Signals

优化卷积神经网络以使用大脑信号控制机械手

• 发表时间: 2022
• 作者: Satoki Sugiyama;Eneo Petoku;Ryota Takahashi and Genci Capi
• 通讯作者: Ryota Takahashi and Genci Capi

Deep Learning for Gesture Recognition based on Surface EMG Data

基于表面肌电数据的深度学习手势识别

• 发表时间: 2021
• 作者: Kaichi Fukano;Kazuma Iiazawa;Takuto Soeda;Aya Shirai;Genci Capi
• 通讯作者: Genci Capi