Top > Search of Japanese Patents > SENSORY DATA IDENTIFICATION APPARATUS AND PROGRAM

SENSORY DATA IDENTIFICATION APPARATUS AND PROGRAM

Patent code P190016241
File No. 07872
Posted date Aug 19, 2019
Application number P2011-042814
Publication number P2012-181607A
Patent number P5802916
Date of filing Feb 28, 2011
Date of publication of application Sep 20, 2012
Date of registration Sep 11, 2015
Inventor
  • (In Japanese)星野 博之
  • (In Japanese)大脇 崇史
  • (In Japanese)倉重 宏樹
  • (In Japanese)加藤 英之
Applicant
  • (In Japanese)国立研究開発法人理化学研究所
Title SENSORY DATA IDENTIFICATION APPARATUS AND PROGRAM
Abstract PROBLEM TO BE SOLVED: To improve an identification performance of sensory data.
SOLUTION: An image/brain signal storage section 20 stores a plurality of pairs of brain activity data representing brain wave signals that are measured when image data is displayed, at respective measuring points of the brain of a subject and the image data. An image feature amount learning section 22 performs a kernel canonical correlation analysis on the plurality of the pairs of brain activity data and image data stored in the image/brain signal storage section 20 and learns a weight in a canonical correlation variable represented by a linear sum of a kernel function such that a correlation of the brain activity data and the image data is increased. The canonical correlation variable in the image side using the learned weight is defined as an image feature amount.
Outline of related art and contending technology (In Japanese)

従来より、正準相関解析で得られた変換行列によって特徴ベクトルを写像して新特徴ベクトルを算出する物品判別方法が知られている(特許文献1)。

Field of industrial application (In Japanese)

本発明は、感覚データ識別装置及びプログラムに係り、特に、感覚データを識別するための感覚特徴量を学習して、感覚データを識別する感覚データ識別装置及びプログラムに関する。

Scope of claims (In Japanese)
【請求項1】
 
感覚データ又は関連感覚データを与えたときに生物の脳の各計測点で計測された信号を表わす脳活動データと前記感覚データ又は前記関連感覚データとに対して、カーネル正準相関分析を行って、前記脳活動データと前記感覚データ又は前記関連感覚データとの相関が高くなるように、カーネル関数の線形和で表わされる正準相関変数における重みを学習し、学習された重みを用いた前記正準相関変数を、前記感覚データを識別するための感覚特徴量とする学習手段と、
予め用意された複数の感覚データの各々から、前記学習手段によって学習された前記感覚特徴量を算出する第2特徴量算出手段と、
前記第2特徴量算出手段によって算出された前記感覚特徴量と対応する感覚データに対して予め求められた識別結果とを学習データとして、前記感覚データを識別するための識別モデルを学習する識別モデル学習手段と、
入力された感覚データから、前記学習手段によって学習された前記感覚特徴量を算出する特徴量算出手段と、
前記特徴量算出手段によって算出された前記感覚特徴量と前記識別モデルとに基づいて、前記感覚データを識別する識別手段と、
を含む感覚データ識別装置。

【請求項2】
 
感覚データと前記感覚データに対して予め求められた識別結果との組み合わせを学習データとして学習されたニューラルネットワークに前記感覚データ又は関連感覚データを与えたときに前記ニューラルネットワークの中間層の各ニューロンで観測された出力を表わす擬似脳活動データと前記感覚データ又は前記関連感覚データとに対して、カーネル正準相関分析を行って、前記擬似脳活動データと前記感覚データ又は前記関連感覚データとの相関が高くなるように、カーネル関数の線形和で表わされる正準相関変数における重みを学習し、学習された重みを用いた前記正準相関変数を、前記感覚データを識別するための感覚特徴量とする学習手段と、
予め用意された複数の感覚データの各々から、前記学習手段によって学習された前記感覚特徴量を算出する第2特徴量算出手段と、
前記第2特徴量算出手段によって算出された前記感覚特徴量と対応する感覚データに対して予め求められた識別結果とを学習データとして、前記感覚データを識別するための識別モデルを学習する識別モデル学習手段と、
入力された感覚データから、前記学習手段によって学習された前記感覚特徴量を算出する特徴量算出手段と、
前記特徴量算出手段によって算出された前記感覚特徴量と前記識別モデルとに基づいて、前記感覚データを識別する識別手段と、
を含む感覚データ識別装置。

【請求項3】
 
前記感覚特徴量は、以下の式で表される請求項1又は2記載の感覚データ識別装置。
【数1】
 
(省略)
ただし、Ia(n)(x)は、前記入力された感覚データxの前記感覚特徴量であり、aT(n)φ(x)は、n番目の前記正準相関変数であり、x(j)は、カーネル正準相関分析のために予め与えられたj番目の前記感覚データ又は前記関連感覚データである。ka(x(j),x)はj番目の前記カーネル関数であり、αj(n)は前記j番目のカーネル関数に対する前記重みである。

【請求項4】
 
前記学習手段は、複数の正準相関変数の各々における重みを学習し、学習された重みを用いた前記複数の正準相関変数を、前記感覚特徴量とする請求項1~請求項3の何れか1項記載の感覚データ識別装置。

【請求項5】
 
前記感覚データを、画像データ、音データ、においデータ、又は触覚データとした請求項1~請求項4の何れか1項記載の感覚データ識別装置。

【請求項6】
 
前記識別手段による識別結果と、前記入力された感覚データとを対応付けて表示手段に表示させる表示制御手段を更に含む請求項1~請求項5の何れか1項記載の感覚データ識別装置。

【請求項7】
 
コンピュータを、
感覚データ又は関連感覚データを与えたときに生物の脳の各計測点で計測された信号を表わす脳活動データと前記感覚データ又は前記関連感覚データとに対して、カーネル正準相関分析を行って、前記脳活動データと前記感覚データ又は前記関連感覚データとの相関が高くなるように、カーネル関数の線形和で表わされる正準相関変数における重みを学習し、学習された重みを用いた前記正準相関変数を、前記感覚データを識別するための感覚特徴量とする学習手段、
予め用意された複数の感覚データの各々から、前記学習手段によって学習された前記感覚特徴量を算出する第2特徴量算出手段と、
前記第2特徴量算出手段によって算出された前記感覚特徴量と対応する感覚データに対して予め求められた識別結果とを学習データとして、前記感覚データを識別するための識別モデルを学習する識別モデル学習手段と、
入力された感覚データから、前記学習手段によって学習された前記感覚特徴量を算出する特徴量算出手段、及び
前記特徴量算出手段によって算出された前記感覚特徴量と前記識別モデルとに基づいて、前記感覚データを識別する識別手段
として機能させるためのプログラム。

【請求項8】
 
コンピュータを、
感覚データと前記感覚データに対して予め求められた識別結果との組み合わせを学習データとして学習されたニューラルネットワークに前記感覚データ又は関連感覚データを与えたときに前記ニューラルネットワークの中間層の各ニューロンで観測された出力を表わす擬似脳活動データと前記感覚データ又は前記関連感覚データとに対して、カーネル正準相関分析を行って、前記擬似脳活動データと前記感覚データ又は前記関連感覚データとの相関が高くなるように、カーネル関数の線形和で表わされる正準相関変数における重みを学習し、学習された重みを用いた前記正準相関変数を、前記感覚データを識別するための感覚特徴量とする学習手段、
予め用意された複数の感覚データの各々から、前記学習手段によって学習された前記感覚特徴量を算出する第2特徴量算出手段と、
前記第2特徴量算出手段によって算出された前記感覚特徴量と対応する感覚データに対して予め求められた識別結果とを学習データとして、前記感覚データを識別するための識別モデルを学習する識別モデル学習手段と、
入力された感覚データから、前記学習手段によって学習された前記感覚特徴量を算出する特徴量算出手段、及び
前記特徴量算出手段によって算出された前記感覚特徴量と前記識別モデルとに基づいて、前記感覚データを識別する識別手段
として機能させるためのプログラム。
IPC(International Patent Classification)
F-term
Drawing

※Click image to enlarge.

JP2011042814thum.jpg
State of application right Registered
(In Japanese)ライセンスをご希望の方、特許の内容に興味を持たれた方は、下記「問合せ先」まで直接お問い合わせください。


PAGE TOP

close
close
close
close
close
close
close