個人的感情のAI認識に挑戦

第 2 特集
第
1章
ご購入はこちら
第 1 章　第 2 特集
人の目じゃ判別できないので無償研究用画像を使ってコンピュータを育てる
個人的感情の AI 認識に挑戦
辰岡鉄郎
PC（Windows 10）
生体計測基板
（EXGBD）
PSoCファームウェア
BLE通信
コンソール・
アプリケーション
プロセス間通信
Python
GUI
アプリケーション
解析
アプリケーション
（ApplyClassificaion.py）
ファイル
保存
計測用
プログラム
解析用
プログラム
（a）ソフトウェア全体
チャネル
2
＋
－
E
チャネル
1
－
＋
生体計測基板
快/不快/平常画像の提示（学習用）
Display Visual
Stimuli.py
Bluetooth LE
ファイルに保存された脳波データ取り込み以下，Apply
Classification.py
A-D
変換
バンドパス・フィルタ
特徴量の算出
（リスト1）
快/不快/平常
画像の提示
（学習時）
同じPC
脳波
人工知能
で分類
本章で
やりた
いこと
快/不快/
平常を判定
学習用データとテスト用データに
分割（リスト2）
データの標準化
（平均0，分数1）
リスト3
k分割交差検証法のCとΓを決める
図 1　本章でやること…脳波から感情を判定する
第 1 章では脳波を人工知能アルゴリズムを使って解
析し，究極のパーソネル・データともいえる感情（今
回は快適さの度合い）の判定に挑戦してみます．
具体的には，被験者に快/不快の感情を想起させる画
像を提示したときの脳波に機械学習を適用し，快 /不快 /
平常にクラス分類しました（図 1）．正確度（Accuracy）
は，表 1（次頁）のように 93.3% という結果が得られま
した．脳波波形は人の目で見ても違いがよく分からな
いのですが，特徴量を抽出し，機械学習にかけること
で，高確率に分類が可能であることを示唆する興味深
い結果が得られました．ソフトウェア構成を図 2 に示
します．
2017 年 1 月号
図8，図9
で説明
テスト用データから快/不快/平常を判別
（b）（a）の右下にある解析アプリケーション
（ApplyClassificaion.py）の中身
図 2　感情を判定するまで
解析はファイル出力されたデータをオフラインで実行
脳波識別の人工知能アルゴリズムに
サポート・ベクタ・マシンを採用した理由
本章では，機械学習アルゴリズムの 1 つであるサ
ポート・ベクタ・マシン（SVM）を応用して，快 / 不
快時の脳波の判別を試みます（表 1）
．クラス分けのア
ルゴリズムには，他にもニューラル・ネットワークや
ロジスティック回帰，統計的手法である判別分析など
97

Download Report