Earticle

초록

한국어

최근 뇌-컴퓨터 인터페이스 관련 연구가 활발히 이루어지고 있다. 뇌파 시스템은 간단하고 저렴한 뇌파 측 정 장치로 사용자의 의도를 정확히 측정할 수 있어야 실용적인 시스템이 개발될 수 있다. 현재 뇌파 측정의 기술적 한계로 인해 휴대용 뇌파측정기기에 의한 신호 측정 및 해석의 신뢰성을 보장하기가 어렵다. 딥러닝 기술을 사용하 는 것은 뇌파 해석의 신뢰성을 향상시키기 위한 한 방법이 될 수 있다. 딥러닝은 다양한 모델을 이용하여 수행될 수 있으며 모델의 선정은 문제해결의 효율성과 직결된다. 본 논문에서는 건식 전극과 배터리를 사용한 휴대용 뇌파 측정기기를 이용하여 뇌-컴퓨터 인터페이스 개발 시 뇌파 해석의 정확도 향상을 위해 필요한 딥러닝의 기초 기술에 대하여 알아본다. 후속 연구에서는 서로 다른 모델을 이용한 뇌파 데이터 딥러닝의 결과를 비교 분석 한다.

영어

Recently, brain-computer interface related research has been actively conducted. The EEG system should use a simple and inexpensive EEG measurement device, in order to be a practical system that can measure the user's intention correctly. Due to the limitations of current EEG signal detection, it is difficult to guarantee the reliability of signal measurement and interpretation using portable EEG measuring devices. Applying deep learning technique could be one way to improve the reliability of EEG measurements. Deep learning can be performed using various models, and the selection of a model is directly related to the efficiency of problem solving. In this paper, we will look into the basic deep learning technology required for the effective EEG interpretation when developing a brain-computer interface using an EEG measuring device with a dry electrode and a battery. The deep learning results of EEG with different models will be compared and analysed in the following research.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 뇌파
Ⅲ. 뇌-컴퓨터 인터페이스와 딥러닝
Ⅳ. 결론
REFERENCES

저자

• 양기철 [ Gi-Chul Yang | 목포대학교 융합소프트웨어학과 교수 ] Corresponding Author

참고문헌