Core Concepts
노이즈가 많은 뇌 기록에서 강건한 근육 활동 복원을 위해 최대 코렌트로피 기준을 활용한 희소 베이지안 학습 방법을 제안하였다.
Abstract
이 연구에서는 노이즈가 많은 뇌 기록에서 근육 활동을 강건하게 복원하기 위해 최대 코렌트로피 기준(MCC)을 활용한 희소 베이지안 학습 방법(MCR-ARD)을 제안하였다.
먼저 MCC의 내재된 오차 가정을 유도하여 MCC를 베이지안 학습 프레임워크에 통합하였다. 이를 통해 강건성과 희소성을 동시에 달성할 수 있었다.
제안 방법을 검증하기 위해 합성 데이터와 실제 근육 활동 복원 과제에 적용하였다. 합성 데이터 실험에서 MCR-ARD는 LSR-ARD 대비 더 높은 상관계수와 낮은 RMSE를 달성하였고, 특징 선택 성능도 우수하였다.
실제 근육 활동 복원 과제에서도 MCR-ARD가 LSR-ARD 대비 유의미하게 더 나은 성능을 보였다. 이는 코르텍스 전류원 추정치와 EEG 신호를 입력으로 사용한 경우 모두 해당되었다.
이 연구 결과는 노이즈가 많은 뇌 기록에서 강건한 신경 디코딩을 가능하게 하여 뇌-컴퓨터 인터페이스 분야에 기여할 것으로 기대된다.
Stats
근육 활동 복원 과제에서 MCR-ARD는 LSR-ARD 대비 대부분의 세션에서 유의미하게 높은 상관계수와 낮은 RMSE를 달성하였다.