http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 데니 퍼마나 (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
Residual Dense Network를 이용하는 Motor Imagery 디코딩 연구
데니 퍼마나,천세원,최계원 한국정보과학회 2022 정보과학회논문지 Vol.49 No.5
본 논문에서는 Motor Imagery(MI) 디코딩 중 뇌파에 대한 RDN(Residual Dense Network) 프레임워크를 제안한다. 특징 학습 및 의사결정을 수행하기 위해 심층 신경망을 기반으로 하는 특징 추출 및 디코딩 알고리즘을 포함하는 디코딩 프레임워크를 설계한다. BCI Competition IV의 Dataset 2A에서 공개하는 BCI 데이터 셋을 디코딩하는 RDN의 성능을 분석한다. 본 눈문에서는 실험을 통해 주어진 데이터 셋에 대한 정확도 측면에서의 성능을 평가하였으며, RDN 프레임워크는 0.8290의 결과를 나타내었다. 이 결과는 동일한 데이터 세트를 이용하는 이전의 연구를 능가한다. 결론적으로 RDN은 실용적인 뇌-컴퓨터 인터페이스에서의 디코딩 프레임워크를 제공한다. This article proposes a Residual Dense Network (RDN) framework for brain signals during motor imagery (MI) decoding. We designed a decoding framework including feature extraction and a decoding algorithm built on a deep neural network to perform feature learning and decision making. We analyzed the capability of the RDN to decode a public BCI dataset from BCI Competition IV Dataset 2A. Experiments were conducted to evaluate the capability in terms of the performance accuracy for a given dataset and showed that the RDN framework achieved a result of 0.8290, outperforming the previous study using the same dataset benchmark. In conclusion, the RDN provided a decoding framework in a practical brain-computer interface.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
