核心概念
XAI手法を用いて入力特徴の重要性を特定し、データセットシフト問題を軽減することができる。
要約
本研究では、EEGベースの機械学習システムにおいて、さまざまなXAI手法の性能を実験的に評価した。特に、XAI手法によって特定された重要な入力特徴が、同一セッション内のデータと異なるセッションのデータの間でどの程度共有されるかを分析した。
結果として、XAI手法は各入力サンプルに対して重要な特徴を特定することはできるが、全体として重要な特徴を一般化することは難しいことが示された。つまり、トレーニングデータで特定された平均的な重要特徴を用いても、実際の重要特徴を捉えきれないことが明らかになった。
このことから、XAI手法を活用してデータセットシフト問題を軽減するには、さらなる検討が必要であることが示唆された。今後は、被験者間の一般化性能向上にも焦点を当てる必要がある。
統計
EEGデータは非定常性が高く、同一被験者でも時間とともに大きく変化する。
同一被験者でも異なるセッションのデータでは、EEG信号が大きく異なる可能性がある。
異なる被験者間でも、同一の刺激・感情に対してEEG信号が大きく異なる。
引用
EEGは非定常性が高い信号であり、同一被験者でも時間とともに大きく変化する。
同一被験者でも異なるセッションのデータでは、EEG信号が大きく異なる可能性がある。
異なる被験者間でも、同一の刺激・感情に対してEEG信号が大きく異なる。