{"metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00219697","sets":["6164:6165:6640:11008"]},"path":["11008"],"owner":"44499","recid":"219697","title":["EEGを用いた感情・認知の精神課題における機械学習モデルの構築方法の比較"],"pubdate":{"attribute_name":"公開日","attribute_value":"2022-07-06"},"_buckets":{"deposit":"30f06abf-8fdc-4984-9503-62d8cbe32d07"},"_deposit":{"id":"219697","pid":{"type":"depid","value":"219697","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"EEGを用いた感情・認知の精神課題における機械学習モデルの構築方法の比較","author_link":["573279","573281","573280"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"EEGを用いた感情・認知の精神課題における機械学習モデルの構築方法の比較"}]},"item_type_id":"18","publish_date":"2022-07-06","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_18_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"芝浦工業大学"},{"subitem_text_value":"芝浦工業大学"},{"subitem_text_value":"芝浦工業大学"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/219697/files/IPSJ-DICOMO2022123.pdf","label":"IPSJ-DICOMO2022123.pdf"},"date":[{"dateType":"Available","dateValue":"2024-07-06"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2022123.pdf","filesize":[{"value":"1.5 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"54c619d6-166a-4e3e-b981-3328658185fe","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2022 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"金井, 健太郎"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"鈴木, 圭"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"菅谷, みどり"}],"nameIdentifiers":[{}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_18_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"近年，人の感情の推定や，認知機能といった精神状態を客観的に推測する手法が重要となってきている．その中でも，EEG を用いた機械学習の精神状態推定においては，正解ラベルとして目的変数を変更し，EEG の出力結果を用いた感情や認知機能などの多様な精神状態に関するモデルを構築が可能であると考えられる．しかし，精神課題ごとに目的変数が異なった場合，どのような EEG の出力データが説明変数として最適か十分な議論はなされていない．例えば，データセット作成の際の正規化において，個人の特徴を活かしたモデル構築を行った方が良いのか，データ全体の特徴を残してモデル構築を行った方が良いのか明らかになっていない．そこで，本研究においては， 精神課題ごとの最適なモデルの構築手法の検討を目的とし，EEG の出力データにおける説明変数のデータセットの作成方法の中でも正規化に着目し，目的変数の異なる２つの精神課題である「感情推定」，「認知機能推定」についてそれぞれデータセットを 5 種類作成し，モデルの精度比較を行った．その結果，感情推定のモデルでは，個人ごとに正規化をした場合のモデルの精度が高くなり，一方，認知機能推定では，全体の正規化もしくは，正規化なしの場合に，僅かであるが，モデルの精度が高い結果となった．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"887","bibliographic_titles":[{"bibliographic_title":"マルチメディア，分散，協調とモバイルシンポジウム2022論文集"}],"bibliographicPageStart":"879","bibliographicIssueDates":{"bibliographicIssueDate":"2022-07-06","bibliographicIssueDateType":"Issued"},"bibliographicVolumeNumber":"2022"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":219697,"updated":"2025-01-19T14:48:27.691454+00:00","links":{},"created":"2025-01-19T01:19:45.708915+00:00"}