堀尾 恵一 (ホリオ ケイイチ)

HORIO Keiichi

写真a

職名

教授

研究室住所

福岡県北九州市若松区ひびきの2-4

研究分野・キーワード

ニューラルネットワーク

メールアドレス

メールアドレス

ホームページ

http://www.brain.kyutech.ac.jp/~horio/index.html

出身大学院 【 表示 / 非表示

  • 2001年03月  九州工業大学  情報工学研究科  情報科学  博士課程・博士後期課程  修了  日本国

取得学位 【 表示 / 非表示

  • 九州工業大学 -  博士(情報工学)  2001年03月

学内職務経歴 【 表示 / 非表示

  • 2019年08月
    -
    継続中

    九州工業大学   大学院生命体工学研究科   人間知能システム工学専攻   教授  

  • 2014年04月
    -
    2019年07月

    九州工業大学   大学院生命体工学研究科   人間知能システム工学専攻   准教授  

  • 2007年04月
    -
    2014年03月

    九州工業大学   大学院生命体工学研究科   脳情報専攻   准教授  

学外略歴 【 表示 / 非表示

  • 2001年04月
    -
    2003年03月

    日本学術振興会   日本学術振興会特別研究員   日本国

専門分野(科研費分類) 【 表示 / 非表示

  • 感性情報学

 

論文 【 表示 / 非表示

  • Epilepsy EEG classification using morphological component analysis

    Mahapatra A., Singh B., Wagatsuma H., Horio K.

    Eurasip Journal on Advances in Signal Processing    2018 ( 1 )   2018年12月  [査読有り]

     概要を見る

    © 2018, The Author(s). In this paper, we have proposed an application of sparse-based morphological component analysis (MCA) to address the problem of classification of the epileptic seizure using time series electroencephalogram (EEG). MCA was employed to decompose the EEG signal segments considering its morphology during epileptic events using undecimated wavelet transform (UDWT), local discrete cosine transform (LDCT), and Dirac bases forming the over-complete dictionary. Frequency-modulated time frequency features were extracted after applying the Hilbert transform. Feature root mean instantaneous frequency square (RMIFS) and its parameters and parameters ratio are used in two different pairs for classification using support vector machine (SVM), showing good and comparable results.

    DOI Scopus

  • MCA Based Epilepsy EEG Classification Using Time Frequency Domain Features

    Mahapatra A., Singh B., Horio K., Wagatsuma H.

    Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, EMBS    2018-July   3398 - 3401   2018年10月  [査読有り]

     概要を見る

    © 2018 IEEE. In this work, we proposed a morphological component analysis (MCA) based method for epilepsy classification using the explicit dictionary of independent redundant transforms to decomposes the electroencephalogram (EEG) by considering it's morphology. Output components of MCA are represented into analytical form by using Hilbert transform. Then features, parameter's ratio of bandwidth square, mean square frequency and fractional contributions to dominant frequency were extracted to discriminate epilepsy EEG by support vector machine (SVM). These features have shown classification results comparable to previous works.

    DOI Scopus

  • Consideration of Relationship between Shape and Angular Velocity of Particles under Electrorotation

    Horio K., Matsuyama K., Eguchi M., Yamakawa T.

    World Automation Congress Proceedings    2018-June   86 - 90   2018年08月  [査読有り]

     概要を見る

    © 2018 TSI Press. In this study, we discuss the relationship between shape and angular velocity for cells of the same kind but with different angular velocity under electrorotation. By representing the shape of the cell as a set of distances between the center of gravity and the contour and analyzing it using a self-organizing map, we hypothesized that there is a relationship between the minor axis length and the angular velocity of the cells. In addition, the result of electromagnetic field simulation simulating the device was to affirm this hypothesis. A meaningful consideration was made toward future improvement of the device.

    DOI Scopus

  • Development of Pillar Electrode Array for Electrorotation Analysis of Single Cells

    Eguchi M., Horio K., Kuroki F., Imasato H., Yamakawa T.

    World Automation Congress Proceedings    2018-June   136 - 139   2018年08月  [査読有り]

     概要を見る

    © 2018 TSI Press. Electrorotation is a noninvasive technique to measure the dielectric properties of single particles. In this paper, we developed an electrorotation device for high-throughput dielectric characterization of circulating tumor cells (CTCs). The device consists of array of pillar electrodes for single-cell trapping and electrorotation analysis. The practicality of the device was evaluated using barium titanate (BaTiO3) particles. The single BaTiO3particles were trapped in gaps between the four pillar electrodes and rotated by electrorotation torque, which reflects their dielectric properties.

    DOI Scopus

  • Self-calibration algorithm for a pressure sensor with a real-time approach based on an artificial neural network

    Almassri A., Hasan W., Ahmad S., Shafie S., Wada C., Horio K.

    Sensors (Switzerland)    18 ( 8 )   2018年08月  [査読有り]

     概要を見る

    © 2018 by the authors. Licensee MDPI, Basel, Switzerland. This paper presents a novel approach to predicting self-calibration in a pressure sensor using a proposed Levenberg Marquardt Back Propagation Artificial Neural Network (LMBP-ANN) model. The self-calibration algorithm should be able to fix major problems in the pressure sensor such as hysteresis, variation in gain and lack of linearity with high accuracy. The traditional calibration process for this kind of sensor is a time-consuming task because it is usually done through manual and repetitive identification. Furthermore, a traditional computational method is inadequate for solving the problem since it is extremely difficult to resolve the mathematical formula among multiple confounding pressure variables. Accordingly, this paper describes a new self-calibration methodology for nonlinear pressure sensors based on an LMBP-ANN model. The proposed method was achieved using a collected dataset from pressure sensors in real time. The load cell will be used as a reference for measuring the applied force. The proposed method was validated by comparing the output pressure of the trained network with the experimental target pressure (reference). This paper also shows that the proposed model exhibited a remarkable performance than traditional methods with a max mean square error of 0.17325 and an R-value over 0.99 for the total response of training, testing and validation. To verify the proposed model’s capability to build a self-calibration algorithm, the model was tested using an untrained input data set. As a result, the proposed LMBP-ANN model for self-calibration purposes is able to successfully predict the desired pressure over time, even the uncertain behaviour of the pressure sensors due to its material creep. This means that the proposed model overcomes the problems of hysteresis, variation in gain and lack of linearity over time. In return, this can be used to enhance the durability of the grasping mechanism, leading to a more robust and secure grasp for paralyzed hands. Furthermore, the exposed analysis approach in this paper can be a useful methodology for the user to evaluate the performance of any measurement system in a real-time environment.

    DOI Scopus

全件表示 >>

口頭発表・ポスター発表等 【 表示 / 非表示

  • ガボール特徴量に基づく口腔内白斑形状の識別

    小野 史貴, 三澤 秀明, 堀尾 恵一, 大谷 泰志, 土生 学, 冨永 和宏, 山川 烈

    JSAI大会論文集  2018年07月  -  2018年07月   

     概要を見る

    <p>口腔内の白斑には前癌病変の白板症があるが,類似した症状の扁平苔癬と誤認する可能性がある.前者は白斑が均一であり,後者はレース状となる特徴があるが,初期診療を行う歯科医では判別が難しい場合がある.本研究では,口腔画像に基づき白斑形状を識別する診断支援システムの開発を行う.本稿では,ガボール特徴量を利用する効果について,識別実験を通してその有効性を検討する.</p>

    CiNii

  • 評価値付き入力ベクトルを扱う自己組織化マップを用いたエージェントの学習パラメータに応じた報酬設計手法

    堀尾 恵一, 森 逸平, 古川 徹生

    日本知能情報ファジィ学会 ファジィ システム シンポジウム 講演論文集  2018年01月  -  2018年01月   

     概要を見る

    <p>学習パラメータが異なる様々なエージェントに対し,学習パラメータの推定および適切な報酬を設計するために,評価値付き入力ベクトルを取り扱う自己組織化マップを用いる.</p>

    CiNii

  • 意味情報を伝搬する多層自己組織化マップと形状クラスタリングへの適用

    堀尾 恵一, 水谷 龍希, 古川 徹生

    日本知能情報ファジィ学会 ファジィ システム シンポジウム 講演論文集  2018年01月  -  2018年01月   

     概要を見る

    <p>本稿では,自己組織化マップに階層的に配置した多層自己組織化マップにおいて,意味情報を次層へ伝搬する手法を提案する.これによりクラスタリング結果の解釈が可能となる.</p>

    CiNii

  • 多層自己組織化マップによる状況分類と自動アノテーションの試み

    水谷 龍希, 古川 徹生, 堀尾 恵一

    日本知能情報ファジィ学会 ファジィ システム シンポジウム 講演論文集  2017年01月  -  2017年01月   

     概要を見る

    <p> </p>

    CiNii

  • 自動運転に向けた危険予測システムの構築

    堀尾 恵一, 古賀 裕章, Jaiprakash Narain, 土谷 諒, 矢野 空

    日本知能情報ファジィ学会 ファジィ システム シンポジウム 講演論文集  2016年01月  -  2016年01月   

     概要を見る

    <p> </p>

    CiNii

全件表示 >>

科研費獲得実績 【 表示 / 非表示

  • 定性的,多元的に表現された関係データの階層的解析手法の確立とグループ評価への適用

    基盤研究(C)

    研究期間:  2013年04月  -  2016年03月

    研究課題番号:  25330323

  • 時空間パターンの非線形マニフォールドによる表現とジェスチャー認識への適用

    若手研究(B)

    研究期間:  2011年04月  -  2013年03月

    研究課題番号:  23700271

  • 非線形マニフォールドを学習する自己組織化マップの開発および実問題への適用

    若手研究(B)

    研究期間:  2007年04月  -  2009年03月

    研究課題番号:  19700220

  • カーネル法と部分空間法を利用した時空間パターン分類器の開発とその応用

    若手研究(B)

    研究期間:  2004年04月  -  2007年03月

    研究課題番号:  16700213

 

担当授業科目 【 表示 / 非表示

  • 2019年度  生命体工学セミナー

  • 2019年度  信号処理Ⅱ

  • 2019年度  機械学習基礎2B

  • 2019年度  機械学習基礎2A

  • 2019年度  人間知能システム概論

全件表示 >>