최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기디지털융복합연구 = Journal of digital convergence, v.17 no.3, 2019년, pp.221 - 226
최성자 (가천대학교 소프트웨어 중심대학)
The characteristic of the beta wave among the EEG waves corresponds to the stress area of human perception. The over-bandwidth of the stress is extracted by analyzing the beta-wave correlation between the low-bandwidth and high-bandwidth. We present a KMeans clustering analysis model for unsupervise...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
KMeans알고리즘이란 무엇인가? | KMeans는 가장 대표적인 비지도학습 머신러닝 알고리 즘으로써, k개의 클러스터로 묶어서 각 클러스터의 중심 (centroid)와 클러스터 내 오브젝트와 거리의 차이에 대한 분산을 최소화한다[9]. | |
BCI 시스템의 장점은 무엇인가? | 뇌파를 활용하는 대표적인 분야로는 BCI(Brain Commputer Interface)시스템이 있다. 이시스템은 장애인을 보조하기 위한 디바이스가 제공되며, 수면장애나 신경질환등 정신상태 감지가 가능하고, 동작과 뇌파 상호간의 연관관계를 실시간으로 추적이 가능하다. 또한 인간과 컴퓨터간의 인터페이스 활용을 위해 뇌파가 활발히 활용되고 있다[1]. | |
얕은 수면상태에서 검출되는 뇌파 신호는 무엇인가? | 델타파(δ-wave)는 0.1Hz에서 3Hz의 대역폭을 가지며 깊은 수면상태에서 검출되고, 쎄타파(θ-wave)는 4Hz에서 7Hz의 대역폭을 가지며 얕은 수면상태에서 검출된다. 알파파(α-wave, SMR)는 8Hz에서 15Hz사이에서 추출되며 릴렉스와 주의상태의 특성을 가지고 있다. |
E. A. Larsen. (2011). Classification of EEG signals in a brain-computer interface system, Master's thesis, Institutt for datateknikk og informasjonsvitenskap.
Y. P. Ma et al. (2014, August). Emotional identification during mobile RF Radiation. In Control and System Graduate Research Colloquium (ICSGRC), 2014 IEEE 5th (pp. 285-289). IEEE.
R. S. S. A. Kadir et al. (2009, March). Analysis of correlation between body mass index (BMI) and brain wave using EEG for Alpha and Beta frequency band. In Signal Processing & Its Applications, 278-283.
K. Crowley, A. Sliney, I. Pitt & D. Murphy. (2010, July). Evaluating a brain-computer interface to categorise human emotional response. In Advanced Learning Technologies (ICALT), 2010 IEEE 10th International Conference on (pp. 276-278).
N. Sulaiman et al. (2012, February). Development of EEG-based stress index. In Biomedical Engineering (ICoBE), 2012 International Conference on (pp. 461-466). IEEE.
P. Reanaree, P. Tananchana, W. Narongwongwathana & C. Pintavirooj. (2016, December). Stress and office-syndrome detection using EEG, HRV and hand movement. In Biomedical Engineering International Conference (BMEiCON), (pp. 1-4). IEEE.
T. Teramae, D. Kushida, F. Takemori & A. Kitamura. (2010, August). Estimation of Feeling Based on EEG by Using NN and k-means Algorithm for Massage System. In SICE Annual Conference 2010, Proceedings of (pp. 1542-1547). IEEE.
J. Han, J. Pei & M. Kamber. (2011). Data mining: concepts and techniques. Elsevier.
S. J. Choi & B. G. Kang. (2014). Prototype design and implementation of an automatic control system based on a BCI. Wireless personal communications, 79(4), 2551-2563.
S. J. Choi, B. G. Kang & G. J. Kim. (2018). The Brainwave Analyzer of Server System Applied Security Functions. Journal of Digital Convergence, 16(12), 343-349.
L. Li & D. Yao. (2007). A new method of spatio-temporal topographic mapping by correlation coefficient of k-means cluster. Brain topography, 19(4), 161-176.
J. H. Yang, Y. S. Park & S. H. Lee. (2017). Text extraction in images using simplify color and edges pattern analysis. Journal of the Korea Convergence Society, 8(8), 33-40.
I. K. Lim, D. J. Park & H. J. Cho. (2018). Development of Procurement Announcement Analysis Support System. Journal of the Korea Convergence Society, 9(8), 53-60.
M. A. Alsheikh, D. Niyato, S. Lin, H. P. Tan & Z. Han. (2016). Mobile big data analytics using deep learning and apache spark. IEEE network, 30(3), 22-29.
D. Aloise, A. Deshpande, P. Hansen & P. Popat. (2009). NP-hardness of Euclidean sum-of-squares clustering. Machine learning, 75(2), 245-248.
S. Dasgupta & Y. Freund. (2009). Random projection trees for vector quantization. IEEE Transactions on Information Theory, 55(7), 3229-3242.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.