최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기信號處理·시스템學會 論文誌 = Journal of the institute of signal processing and systems, v.17 no.2, 2016년, pp.77 - 82
한형섭 (울산대학교 전기공학부) , 류장협 (한국도로공사) , 정의필 (울산대학교 전기공학부)
The purpose of this paper is to develop the algorithm of human arousal inducing interface using steady-state visual evoked potential(SSVEP) and its verification through experiments. In order to develop the model, computer-based SSVEP program simulation is preliminary performed. From the results of t...
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
SSVEP 측정방식은? | SSVEP는 사람의 안구에 일정한 주파수의 섬광 자극을 주게 되면, 후두엽 시각피질의 뉴런들도 그와 동일한 주파수로 반응하게 되며, 이러한 뇌 활동이 뇌전도를 통해서 측정되게 되는데, 측정된 뇌전도를 주파수 도메인에서 확인해보면 안구에 제시한 주파수 값에 피크가 있음을 확인할 수 있다[6]. 4가지 심볼을 서로 다른 주파수로 깜빡이며 안구에 자극을 주게 되면, 4개의 피크가 뇌전도의 주파수 도메인에서 측정되는데, 원하는 명령을 내리고자 하는 심볼에집중하게 되면, 현재 집중하고 있는 심볼의 주파수 피크가 다른 주파수 피크에 비해 상대적으로 높아지게 된다. | |
BCI 시스템의 훈련 단계에서 진행하는 과정은? | 뇌전도 데이터는 BCI 시스템의 입력으로 들어가게 되는데, BCI 시스템은 기계 학습법(machine learning)의 단계와 비슷하게 크게 훈련 단계(Calibration Phase)와 시험 단계(Feedback Phase)로 나뉜다. 훈련 단계에서는 사용자로부터 반복된 뇌 신호를 대량으로 측정해서 전처리(Preprocessing)를 통해 불필요한 데이터를 제거하고, 뇌 신호 데이터에 두드러진 특징을 추출(Feature Extraction)한 다음, 특징적인 뇌 신호를 구별하는 분류기(Classifier)를 생성한다. 이렇게 생성된 분류기는 시험 단계에 서 실시간으로 들어오는 사용자의 뇌 신호를 분류하고, 분류된 결과는 로봇 팔, 단말기, 휠체어와 같은 어플리케이션의 명령으로 입력될 수 있으며, 어플리케이션의 피드백을 통해서 사용자는 자신의 의도가 전달되었음을 확인한다. | |
BCI 시스템은 어떻게 나뉘는가? | 뇌전도 데이터는 BCI 시스템의 입력으로 들어가게 되는데, BCI 시스템은 기계 학습법(machine learning)의 단계와 비슷하게 크게 훈련 단계(Calibration Phase)와 시험 단계(Feedback Phase)로 나뉜다. 훈련 단계에서는 사용자로부터 반복된 뇌 신호를 대량으로 측정해서 전처리(Preprocessing)를 통해 불필요한 데이터를 제거하고, 뇌 신호 데이터에 두드러진 특징을 추출(Feature Extraction)한 다음, 특징적인 뇌 신호를 구별하는 분류기(Classifier)를 생성한다. |
한국도로공단, "2010년 교통사고 통계분석", 2011.
한국도로공사, "졸음방지 시설의 효과 향상 방향", 2014.
정의필, 한형섭, "선형예측계수와 뇌파의 변화를 이용한 신경회로망 기반 운전자의 졸음 감지 시스템", 한국신호처리시스템학회, 13(3), pp.136-141, 2012.
Gebhard Sammer et al, "Acquisition of typical EEG waveforms during fMRI: SSVEP, LRP, and frontal theta", NeuroImage, Vol 24, p 1012-1024, 2005
Richard B Silberstein, et al, "Frontal steady-state potential changes predict long-term recognition memory performance", International Journal of Psychophysiology, Vol 39, p 79-85, 2000
Richard B et at, "Steady state visually evoked potential (SSVEP) topography in a graded working memory task", International Journal of Physiology, Vol 42, p 219-232, 2001
William M. Perlstein et al, "Steady-state visual evoked potentials reveal frontally-mediated working memory activity in humans", Neuroscience Letters, Vol 342, p 191-195, 2003
한형섭, 정의필, "졸음 예방 운전자를 위한 각성 뇌파 유도 인터페이스 개발", 한국공학예술학회 논문지, 8권, 1호, 5-12, 2016.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.