뇌-컴퓨터 인터페이스

ลงชื่อเข้าใช้

뇌파 신호와 텍스트 간의 의미적 정렬을 통해 뇌파-텍스트 번역의 정확성을 향상시킬 수 있다.

뇌파 신호를 활용하여 텍스트를 생성하는 기술이 발전하고 있지만, 여전히 많은 과제가 존재한다. 이 기술은 언어 장애인들에게 새로운 소통 방식을 제공할 수 있지만, 정확성과 유창성 향상, 개인차 극복, 하드웨어 제약 해결 등의 과제를 해결해야 한다.

사후 설명 기법과 도메인 지식을 활용하여 뇌전도 기반 뇌-컴퓨터 인터페이스의 성능과 신뢰성을 향상시킬 수 있다.

본 연구는 자기지도학습 기반의 프레임워크를 제안하여 EEG 신호로부터 자연 이미지의 표현을 학습하고, 이를 활용한 객체 인식 성능을 향상시켰다.

본 연구에서는 아라비아어 문자 EEG 신호 데이터셋 ArEEG_Chars를 구축하고, 심층 학습 모델을 통해 97%의 높은 정확도로 아라비아어 문자를 분류할 수 있음을 보였다.

본 연구는 눈 움직임 없이도 코드 변조 시각 유발 전위(c-VEP)를 이용한 뇌-컴퓨터 인터페이스의 실현 가능성을 보여준다.

Psychometry는 개인차를 고려하면서도 다양한 개인의 fMRI 데이터에서 공통적인 패턴을 포착할 수 있는 범용 모델이다.

유클리드 정렬을 사용하면 대상 피험자의 해독 정확도를 4.33% 향상시키고 수렴 시간을 70% 이상 단축할 수 있다.

조건부 확산 모델을 사용하여 개인, 세션 및 클래스별로 특정한 ERP 데이터를 생성할 수 있다.

합성곱 스파이킹 신경망은 전통적인 신경망 모델보다 뛰어난 성능으로 뇌파 데이터에서 운전자의 제동 의도를 탐지할 수 있다.