核心概念
유클리드 정렬을 사용하면 대상 피험자의 해독 정확도를 4.33% 향상시키고 수렴 시간을 70% 이상 단축할 수 있다.
摘要
이 연구는 뇌-컴퓨터 인터페이스(BCI) 신호 해독을 위한 딥러닝 모델에서 유클리드 정렬(EA)의 효과를 체계적으로 평가했다.
- 공유 모델: EA를 사용하여 다중 피험자 데이터로 모델을 학습했을 때, 대상 피험자의 해독 정확도가 4.33% 향상되었고 수렴 시간이 70% 이상 단축되었다.
- 개별 모델: EA를 사용하면 3개 모델의 앙상블 정확도가 3.71% 향상되었다. 그러나 EA를 적용한 공유 모델에 비해 3.62% 낮았다.
- 전이성: EA를 사용하면 피험자 간 모델 전이성이 향상되었다. 좋은 기부자(source) 피험자는 좋은 수신자(target) 피험자가 되는 경향이 있었다.
- 미세조정: 공유 모델에서 미세조정은 EA 적용 시 성능 향상에 도움이 되지 않았다.
이 결과는 BCI 신호 해독을 위한 딥러닝 모델에서 EA가 중요한 전처리 단계임을 보여준다.
統計資料
EA를 사용하면 대상 피험자의 해독 정확도가 4.33% 향상된다.
EA를 사용하면 모델 수렴 시간이 70% 이상 단축된다.
引述
EA를 사용하면 3개 모델의 앙상블 정확도가 3.71% 향상된다.
EA를 적용한 공유 모델이 3개 모델 앙상블보다 3.62% 더 높은 정확도를 보인다.