본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색

결과 내 검색

동의어 포함

고급검색

인명/단체명

저자정보 상세정보
인명/단체명을 입력하세요.

키워드

  • 대표어

  • 외국어

-

목차보기

표제지 2

초록 5

ABSTRACT 6

목차 7

1. 서론 8

1.1. 인간의 감정 9

1.2. 뇌파(EEG) 신호 11

1.3. EEG 기반의 감정 인식 연구 13

1.4. 일반화의 어려움 15

1) 피험자 내부적 변동으로 인한 정확도 감소 15

2) 피험자 간의 변동으로 인한 정확도 감소 15

3) 감정 레이블 공유 문제 16

2. 방법론 17

2.1. Out-of-Distribution(OOD) 탐지 17

2.2. 비신뢰 쌍 탐지와 제거 프레임워크 18

2.3. 데이터셋 21

2.4. 딥러닝 모델 24

3. 실험 26

3.1. Subject-dependent 실험 26

3.2. ODM 및 ID Model 실험 28

3.3. ID와 OOD의 EEG 분석 33

3.4. 피험자 독립 모델 추가 실험 36

4. 토론 40

5. 결론 43

참고문헌 46

초록보기

 EEG 신호를 이용한 감정 인식은 사용자의 행동을 요구하지 않고, 높은 시간 분해능을 통해 자가 감정상태를 추적할 수 있는 잠재력을 지니고 있다. 하지만 감정 레이블의 비신뢰성과 EEG 데이터의 변동성으로 인한 정확도 문제는 큰 도전과제다. 본 연구는 이 문제를 해결하기 위해 EEG 데이터와 감정 레이블 간 상관성이 저하된 비신뢰쌍을 식별하고 제거하는 데이터 정제 프레임워크를 제안한다. 제안하는 방법은 딥러닝의 Out-of-Distribution(OOD) 탐지 방법론에 기반하여, Maximum Softmax Probability(MSP)를 신뢰도 점수로 활용하고, 피험자 그룹화를 통해 얻어지는 OOD Detection Model (ODM)을 포함한다. ODM은 ID(In-Distribution) 데이터와 OOD 데이터를 구별하는 기준이 된다. 세 공개 데이터셋 SEED, SEED-IV, GAMEEMO에서 기존 방법인 Riemannian Potato(RP)와 비교하여 정확도를 향상시켰다. 본 연구는 데이터 신뢰성을 강조하며, EEG 분석을 통한 결과 해석을 제시하고, 감정 인식 시스템의 예측 신뢰도 및 정확도 향상에 기여한다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차

권호

기사명 원문보기 기사목차
닫기