次元圧縮機能を有するリカレント確率ニューラルネットの提案と時系列脳波パターン識別への応用

摘要

本論文では，次元圧縮機能と時系列信号識別機能を有する確率ニューラルネットとして，リカレント構造を有するReduced-Dimensional Recurrent Log-Linearized Gaussian Mixture Network（以下，RD-RLLGMN）を提案する．このNNは次元圧縮部と時系列パターン識別部から構成され，次元圧縮部では線形判別分析（Linear Discriminant Analysis；以下，LDA）に基づき，多変量時系列データの次元圧縮が可能である．また時系列パターン識別部には混合正規分布モデルと隠れマルコフモデルを内包したリカレント構造を有する確率ニューラルネットを構成し，圧縮した時系列信号の識別を行なう．提案するNNにより，高次元の時系列パターンを低次元に圧縮して識別することが可能となり，学習や識別に伴う計算時間の短縮が期待できる．