인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 연구는 뇌파 기반 감정인식과 새로운 피험자에 대한 일반화 성능을 평가하기 위해 서포트 벡터 머신(SVM)과 장단기 메모리(LSTM)를 결합한 SVM+PUK-LSTM 하이브리드 모델을 제안하였다. DEAP 데이터 세트의 원본 EEG 신호를 256Hz로 리샘플링하고 5개 주파수 대역으로 전처리한 후, 3초 단위의 서로 겹치지 않는 구간에서 32개 EEG 채널과 5개 주파수 대역의 스펙트럼 밀도를 이용하여 160차원 특징 벡터를 구성하였으며, 감정 상태는 Arousal과 Valence를 기준으로 HAHV, HALV, LAHV 및 LALV의 Arousal–Valence 기반 4개 클래스로 정의하였다. 제안 모델은 기존의 10-fold 교차 검증에서 평균 정확도는 98.42±3.82%, 매크로 평균 F1 스코어는 97.55±6.31%를 나타냈으며, 피험자 간 데이터 중복을 배제한 32회 단일 피험자 제외(LOSO) 평가에서는 평균 정확도는 90.11±7.91%, 매크로 평균 F1 스코어는 88.38±11.04%를 나타냈다. 동일한 LOSO 및 랜덤 시드가 1인 조건에서 단일 LSTM 및 SVM+RBF-LSTM과 비교하였으며, Wilcoxon 부호순위 검정와 Holm–Bonferroni 보정을 적용한 결과 제안 모델과 두 비교모델 간 정확도 차이가 통계적으로 유의하게 나타났다. 이를 통해 제안 모델 4-class의 뇌파 감정 분류 성능과 새로운 피험자에 대한 일반화 가능성을 확인하였다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
