지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 심귀보
- 발행연도
- 2019
- 저작권
- 중앙대학교 논문은 저작권에 의해 보호받습니다.
이용수18
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
뇌-컴퓨터 인터페이스 (brain-computer interface : BCI) 란 뇌에서 발생한 전기신호를 인공지능 알고리즘을 통해 사용자의 의도를 예측하고, 그에 따라 로봇이나 컴퓨터를 제어해주는 기술로 세계 다양한 기관에서 미래 핵심 기술로 손꼽히는 기술이다. BCI는 구현하는 방법 (Slow Cortical Potentials, Sensorimotor Rhythms, P300, Steady-State Visually Evoked Potentials, Directional Tuning 등)에 따라 다양한 어플리케이션에 이용되고 있다. 하지만 BCI를 실생활에 사용하기 위해서는 상황에 따라 시스템을 켜고 끄거나 시스템의 모드 (typing, 로봇 제어, 전동 휠체어 제어 등)를 변경해주어야 한다. 본 논문에서는 일반인 피험자 10명을 대상으로 compumedic사의 synamps2 (64 channel EEG) EEG (Electroencephalography)를 측정 및 분석 하여 피험자의 다양한 상태 (resting, speech imagery, legs-motor imagery, hands-motor imagery)를 측정하였다. Functional brain connectivity를 구하기 위하여, 64채널간의 mutual information을 구하였고, 이를 adjacency matrix 형태로 나타내었다. 2-depth 레이어 컨볼루션 신경망의 입력 값을 mutual information 기반 functional brain connectivity로 하였고, 사용자 의도인식의 알고리즘 신뢰성을 위해서, 5-fold cross-validation을 구하였고, 이런 알고리즘을 개발하고 그 결과 의 정확도로 상태를 구분할 수 있었다. 이는 BCI 모드 변경을 위한 핵심 알고리즘으로 BCI 기술의 실용화를 앞당길 것으로 기대한다.
목차
1. Introduction 11.1. Motivation 11.2. Overview 111.3. Thesis Organization 122. Related Works 132.1. Brain-Computer Interfaces 132.2. The Methods of Measuring Brain Activity 172.3. Motor Imagery 212.4. Speech Imagery 262.5. Brain Connectivity 332.6. Mutual Information 382.7. Convolutional Neural Network 433. Multivariate Sequential Data Analysis Framework 473.1. Brain Connectivity-based Feature Extraction Module 493.2. Deep Learning Module 564. Experiments and Analysis 624.1. Experimental Method 624.1.1. Experimental Apparatus 634.1.2. Participants 664.1.3. Paradigm Design 674.1.4. Protocol 704.2. Experimental Results 725. Conclusion 78References 80연구실적 95국문초록 101ABSTRACT 103
최근 본 자료
댓글(0)
0