ベィズ逐次学習によるBrain-Machine Interfaceのユーザピリティ向上

摘要

脳情報のみから随意運動を用いずに人の意思を伝達するBrain-MachineInterface(以下BMI)の手段のーつとして，視覚誘発電位を用いたSSVEP Covert Selective Attentionタスクがある.SSVEP Covert Selective Attentionとは，『刺激そのものを注視せず，注意のみ向ける』ことで刺激周波数と同様の周波数成分が脳波に誘発されやすくなる現象を指す.しかし，意思のみを用いた脳情報は安定して利用することが難しく，被験者ごとにも異なるため，各被験者の脳状態に合わせた解析が必要である.本研究ではSSVEP Covert Selective Attentionタスクの判別に対して，事前分布に一般双曲型分布を仮定したベイズ逐次学習を導入することで，スパースで汎化性の高い結果を得られる事を確認し，更に周辺ゆう度を用いた確率的な評価に基づく学習期間を提案し，被験者5人に対してオンラインで82.4(±4.4)%の判別率を達成した.これは同タスクの先行研究の最高値73.0%を上回る.またパラメータを実験間で継承していく事で学習時間を短縮し，精度と時間コストの両点からBMIのユーザピリティ向上を提案する.