抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ユーザが任意のユーザ入力を望ましい行動に翻訳する柔軟で適応的なインタフェイスを用いて,ユーザを機械に通信するのを助けることを目的とする。本研究では,ユーザがキーボードを操作できない支援タイピングアプリケーションに焦点を当てるが,代わりに,脳インプラントにより測定した眼注視または神経活動を捉えるウェブカム画像のような他の入力を供給できる。標準方法は,ユーザ入力の固定データセットに関するモデルを訓練し,次に,その誤りから学習しない静的インタフェイスを展開する。部分的には,ユーザ行動から誤り信号を抽出するのは,挑戦的である。ユーザからの最小の追加努力,即ち,ユーザフィードバックからのオンライン学習が,インタフェイスの行動の精度に関するユーザフィードバックから,時間とともに改善することを可能にする簡単なアイデアを研究した。タイピングドメインでは,インタフェースが望ましい動作を行わなかったフィードバックとしてバックスペースを利用する。著者らは,このフィードバック信号の予測モデルを訓練するx-to-テキスト(X2T)と呼ばれるアルゴリズムを提案し,このモデルを用いて,ユーザ入力を単語または特性を選択する行動に変換するための既存の,デフォルトインタフェイスを微調整した。60人のユーザからの手書きサンプルに関する大規模観察研究,および電図ベースの脳-コンピュータインタフェイスを用いた1人の参加者によるパイロット研究,という希望する単語で,文章を gらす12人の参加者による小規模オンラインユーザ研究を通して,X2Tを評価した。結果は,X2Tが非適応デフォルトインタフェイスを凌駕し,インタフェイスへのユーザ共適応を刺激し,個々のユーザにインタフェイスを個人化し,その初期性能を改善し,オンライン学習を加速するためにデフォルトインタフェイスから収集されたオフラインデータを利用することができることを示した。【JST・京大機械翻訳】