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.

在这项研究中，我们基于对脑磁图（MEG）获得的人类大脑活动数据的分析，重点关注人类语言交流。 2011年，我们提出了一种新的加权方法，使用多核学习（MKL）算法来定位有助于准确元音辨别的大脑区域。我们的 MKL 同时估计每个 MEG 传感器的分类边界和重量。估计的重量表明相应的传感器如何用于对 MEG 响应模式进行分类。但是我们提出的使用多核学习的方法具有很高的计算成本。 2012 年，我们提出了一种新颖且快速的加权方法，使用 AdaBoost 算法来寻找有助于准确区分元音的传感器区域。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