Kitamoto Takuya

近年の計算機の性能向上やフレームワークの発展により、深層学習が手軽に行えるようになってきた。従来、計算コストの問題や数値化するのが難しかった事象でも、高い精度で回帰や分類などが行えるようになってきている。本稿では、筋電位に注目し手の動作の識別について、深層学習で分類する。実験初期段階では手動で分類していたが、現段階では精度に問題はあるが、リアルタイムで分類することも可能となった。データ取得方法として、ワンボードマイコンの一種であるArduino Unoと簡易筋電センサーのMyo Ware筋電センサーを用いる。 このように、生体信号の一つである筋電位を用いて動作する義手を筋電義手と言い、多方面に渡る応用が期待される分野の一つである。また、筋電位を詳しく理解することによって心拍、脳波、脈拍などの他の信号の理解の助けになると考えられる。

近年、数式処理の研究分野で注目されているQuantifier Eliminationは応用範囲が広く、様々な分野への応用が可能と言われている。実際、国立情報学研究所が中心となって実施された「ロボットは東大に入れるか」というプロジェクトでは、数学の問題解法にQuantifier Eliminationが活用され、その有効性が確認された。プログラミング教育が必修の小・中学校・高等学校ではIT技術の活用が求められており、小・中学校・高等学校の教員を目指す学生がこのQuantifier Eliminationについて学ぶことは意義が大きいと考えられる。そこで教員を目指す学生の授業の一部において、数学の大学入試問題をQuantifier Eliminationを用いて解くことにより命題論理の演習を実施したので、その経過と結果を報告する。