第 2 特集 第 ご購入はこちら 第 2 章 第 2 特集ジェスチャの AI 認識に挑戦 2章 筋肉×コンピュータ! 新しいユーザ・インターフェースの可能性を探る 脳波がい け 筋肉もい たら ける! さらに①… ジェスチャのAI認識に挑戦 辰岡 鉄郎 筋電波形の全波整流 生体計測基板 E ＋ － チャネル1 － ＋ Bluetooth LE ローパス・フィルタ A-D 変換 チャネル2 前処理（平均値の算出） PC 筋電 本章でやり たいこと コラム2 k平均法を用いて手の形を分類 人工知能で分類 図2 階層的クラスタリングでも手の形を分類 （こういう方法もある） 手の形を判定 図 2 解析アプリケーション ApplyClustering.py のフロー 脳波を測定して解析できるようになれば，筋肉の動 きを信号として測って解析することもできます． そこで，第 2 章では，上腕から 2 チャネルの筋電図 を記録・解析して，手の形を判定します（図 1）． ● 人工知能アルゴリズムに k 平均法を選んだ理由 3 種類の動作（グー / チョキ / パー）を行ったデータ に対して，教師なし学習である k 平均法を適用すると， 正解ラベルを与える必要がありません．データの分布 の偏りから 3 種類の動作が各クラスタに分けられ，判 定することができます． ソフトウェア構成を図 2 に示します．基本構成は第 1 章の図 2（a）と同じですが，解析アプリケーション の中身がこの図 2 になります．図 3 に判定結果を示し ます． k 平均法のあらまし k-means（k 平均法）は，あらかじめ分類するクラス タの数を決めておき，各クラスタの中心位置を調整す ることで最適な分類を見つけ出すクラスタリング手法 です（図 4）．アルゴリズムの概要は以下の通りです． 2017 年 1 月号 1，何らかの方法でクラスタの中心ベクトル（セント ロイド）を決める 2，各 データを，最も近い中心ベクトルのクラスタ に割り当てる 3，ク ラスタごとの平均ベクトルを新たな中心ベク トルとする 4，中 心ベクトルとデータ間の距離の総和が，一定 値以上変化しなくなるか，規定回数に達するま で 2，3 を繰り返す 30 25 Ch2振幅［μV］ 図 1 筋電図から手の形を判定する 20 15 10 5 0 6 8 10 12 14 16 18 Ch1振幅［μV］ 20 22 24 図 3 手の形を 3 つのかたまりに分類した 入力パラメータの散布図 1…特徴量①の散布図 113
© Copyright 2024 ExpyDoc
