Abstract
In this paper, we propose accurate classification method of an EEG signals during a mental tasks. In the experimental task, subjects achieved through the process of responding to visual stimulus, understanding the given problem, controlling hand motions, and select a key. To recognize the subjects' selection time, we analyzed with 4 types feature from the filtered brain waves at frequency bands of $\alpha$, $\beta$, $\theta$, $\gamma$ waves. From the analysed features, we construct specific rules for each subject meta rules including common factors in all subjects. In this system, the architecture of the neural network is a three layered feedforward networks with one hidden layer which implements the error back propagation learning algorithm. Applying the algorithms to 4 subjects show 87% classification success rates. In this paper, the proposed detection method can be a basic technology for brain-computer-interface by combining with discrimination methods.
본 논문에서는 정신적 과제수행 동안 EEG 뇌파의 정확한 분류방법에 관하여 기술한다. 피험자는 실험 task에서 시각적 자극에 대한 반응, 문제의 해석, 손동작 제어와 키 선택을 수행한다. 선택시간을 감지하기 위하여 측정한 뇌파로부터 $\alpha$, $\beta$, $\theta$, $\gamma$를 분리하고 4가지의 특징들을 해석한파. 이 특징들을 분석하여 각 피험자별로 공통적인 특징플로 구성된 일반 규칙을 설정한다. 본 시스템의 신경망은 1개의 은닉층을 갖는 3층의 피드포워드 신경망 구조를 가지며 학습에는 역전파 학습 알고리즘을 이용하였다. 4명의 피험자를 대상으로 설정한 알고리즘들을 적용하여 평균 87% 분류 성공률을 보였다. 본 논문에서 제안한 방법은 인지적인 정신과제 판별을 위한 방법들과 결합하여 BCI 기술을 위한 기반 기술로 활용될 수 있다.
