@techreport{oai:ipsj.ixsq.nii.ac.jp:00232810,
 author = {小山, 一樹 and 坂口, 昌徳 and 大西, 立顕 and Kazuki, Koyama and Masanori, Sakaguchi and Takaaki, Ohnishi},
 issue = {27},
 month = {Feb},
 note = {マウスの脳波データ（EEG）などから睡眠状態の判定を行う作業は人力でおこなわれるため，睡眠状態の自動判定が試みられてきた．自動判定のモデルとして，比較的簡易な分類モデルであるランダムフォレストや深層学習が使われるのが主流である．ランダムフォレストの特徴量としては標準偏差や自己相関関数といった線形かつノイズの影響を受けやすいものを扱うことが一般的だが，これらの特徴量では各睡眠状態を十分に捉えられないため，深層学習などと比べると予測精度は低くなっている．そこで EEG データのみを使い，非線形かつノイズにロバストな特徴量である順列エントロピーを利用して睡眠状態の分類を行ったところ，予測精度の向上が見られた．, Automatic classification of sleep state from mouse electroencephalogram (EEG) has been attempted due to the manual performance. Random forest and neural networks are mainly used as relatively simple classifiers. Standard deviation and autocorrelation function, which are linear and noise sensitive, are commonly used as features for random forest. Random forest classifiers less accurately than neural networks because these features do not fully capture each sleep state. Using only EEG for classification, we observe an improvement in classification accuracy for sleep state by including a nonlinear and noise-robust feature, permutation entropy.},
 title = {順列エントロピーによるマウスの睡眠状態判定の精度向上},
 year = {2024}
}