• Journal of KIISE
• /
• v.45 no.1
• /
• pp.45-52
• /
• 2018

With the advent of BCI technology in recent years, various BCI products have been released. BCI technology enables brain information to be transmitted directly to a computer, and it will bring a lot of convenience to life. However, there is a problem with information protection. In particular, EEG data can raise issues about personal privacy. Collecting and analyzing big data on EEG reports raises serious concerns about personal information exposure. In this paper, we propose a secure privacy-preserving BCI model in a big data environment. The proposed model could prevent personal identification and protect EEG data in the cloud environment.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.172-175
• /
• 2006

최근 다양한 게임 문화가 급속도로 성장함에 따라 보다 새로운 개념의 게임을 찾는 사용자의 요구가 증대 되고 있다. 기존의 게임은 획일화 되고 일방적인 사용자 환경으로 사용자가 일방적으로 게임을 하는 방식이었다. 때문에 사용자의 감성 데이터를 이용하여 사용자에게 게임 환경이 맞춰지는 "사용자 맞춤형" 게임은 기존의 게임에서 보다 진보한 새로운 방식이 될 것이다. 이 방식을 사용하기 위해서는 우선 사용자의 생체 데이터나 감성데이터를 포함한 뇌파를 획득하는 방법이 필요하며 다음으로 획득된 뇌파를 통하여 현재 사용자의 감성 상태를 규명하는 패턴인식 기법이 중요한 문제가 된다. 본 논문에서는 뇌파를 통하여 현재 사용자의 감성 상태를 규명하고 인식할 수 있는 패턴인식 기법으로 Multi Layer Perceptron(MLP)을 사용한 감성인식모델을 제안한다. 본 논문에서 제안한 감성인식 모델의 실험을 위하여 특정 공간 내에서 여러 사용자의 감정별 뇌파를 측정하고 실험을 통하여 획득한 데이터로 감정 DB를 구축한다. 구축된 DB를 본 논문에서 제안한 감성인식 모델로 학습을 하고 학습이 완료된 후 새로운 사용자의 뇌파를 입력 받은 후 현재 사용자의 감성을 인식한다. 감성인식과 더불어 집중도를 측정 하는 실험도 병행 한다. 본 논문에서 제안한 감성인식 모델의 성능을 측정하기 위하여 사용자의 수에 따른 감성 인식률을 측정함으로서 본 논문에서 제안한 감성인식 모델의 성능을 확인한다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2002.05a
• /
• pp.215-220
• /
• 2002

본 연구에서는 다중채널 뇌파에서 특징 파라미터로 선형 예측기 계수(Linear predictor coefficients)를 추출하고, 패턴인식기로는 신경회로망을 이용한 쾌적성 분류 알고리즘을 개발하여 다중 템플릿 방법으로 쾌적성 분류 실험을 하고자 하였다. 뇌파 데이터는 대학생 10명으로부터 쾌적한 환경과 불쾌적한 환경에서의 데이터를 수집하였으며, 전극 위치는 Fpl, Fp2, F3, F4, T3, T4, P3, P4, O1, O2를 사용하였다. 수집된 뇌파는 전처리를 거친 후 특징 파라미터를 추출하고 패턴 분류기로 사용된 신경회로망의 입력으로 사용하였다. 쾌적성 분류 방법은 다중템플릿 방법으로 여러 명의 피검자를 각각 학습시켜 이로부터 생성되는 신경회로망의 가중치들을 템플릿에 저장한다. 그리고 테스트를 할 때에는 먼저 처음의 안정 상태의 뇌파를 이용하여 템플릿 검색을 하고 가장 가까운 템플릿을 선택한다. 그리고 선택된 템플릿을 이용하여 다른 감정에 대한 쾌적성 분류 실험을 하게 된다. 쾌적성 분류 실험 결과 평균 인식률이 약 75%의 성능을 나타내었다.

• Proceedings of the Korean Society for Emotion and Sensibility Conference
• /
• 2001.11a
• /
• pp.87-90
• /
• 2001

본 연구에서는 감성 평가 시스템에 가장 적합한 파라미터를 찾기 위하여 3가지 뇌파 파라미터를 이용하여 감정 분류 실험을 하였다. 뇌파 파라미터는 선형예측기계수(linear predictor coefficients)와 FFT 스펙트럼 및 AR 스펙트럼의 밴드별 상호상관계수(cross-correlation coefficients)를 이용하였으며, 감정은 relaxation, joy, sadness, irritation으로 설정하였다. 뇌파 데이터는 대학의 연극동아리 학생 4명을 대상으로 수집하였으며, 전극 위치는 Fp1, Fp2, F3, F4, T3, T4, P3, P4, O1, O2를 사용하였다. 수집된 뇌파 데이터는 전처리를 거친 후 특징 파라미터를 추출하고 패턴 분류기로 사용된 신경회로망(neural network)에 입력하여 감정 분류를 하였다. 감정 분류실험 결과 선형예측기계수를 이용하는 것이 다른 2가지 보다 좋은 성능을 나타내었다.

• Journal of Digital Convergence
• /
• v.18 no.12
• /
• pp.279-284
• /
• 2020

In January 2020, COVID19 plunged the whole planet into a pandemic. This has caused great economic losses and is causing social confusion. COVID19 has a superior infection rate among people with underlying disease such as heart disease, high blood pressure, diabetes, stroke, depression, and cancer. In addition, it was studied that patients with underlying disease had a higher fatality rate than those without underlying disease. In this study, the presence or absence of underlying disease was classified using EEG data. The data used to classify the presence or absence of underlying disease was EEG data provided by Data Science lab, consisting of 33 features and 69 samples. Z-score was used for data pretreatment. Classification was performed using the neural network NEWFM and ZNN engine. As a result of the classification of the presence or absence of the underlying disease, the experimental results were 77.945 for NEWFM and 76.4% for ZNN. Through this study, it is expected that EEG data can be measured, the presence or absence of an underlying disease is classified, and those with a high infection rate can be prevented from COVID19. Based on this, there is a need for research that can subdivide underlying disease in the future and research on the effects of each underlying disease on infectious disease.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2020.07a
• /
• pp.257-258
• /
• 2020

기존의 드론 조작은 초보자에게 어려웠다. 초보자의 경우 드론을 조종하다가 드론이 추락하거나 장애물에 걸려 프로펠러 등의 부품들이 손상되는 경우를 빈번하게 마주한다. 본 연구에서는 초보자 또한 드론 파손의 걱정 없이 드론의 조작을 더욱 쉽게 개선시키는 것을 전제로 뇌파와 보조입력인 음성인식을 이용한 드론 컨트롤러 기술을 적용하고자 한다. 현재 대중적으로 출시되어 있는 드론의 경우 호버링 기능을 포함시켜 드론의 추락 위험을 줄여주는 기능을 탑재하고 있다. 하지만 속도가 빠른 드론의 조작에 있어 미숙한 초보자들은 장애물과의 충돌 그리고 드론 착륙 시 기체손상 등의 위험에 대비하기 힘들다. 본 논문은 이러한 문제점들을 개선하기 위해 기존의 드론 컨트롤러 대신 특정한 동작을 상상할 때 발현되는 동작상상뇌파와 음성입력을 적용한 '동작상상뇌파와 음성인식을 이용한 드론 컨트롤러' 기술을 제안한다. 기존의 드론 컨트롤러와는 다르게 빅 데이터 처리기술인 머신러닝을 이용하여 뇌파 데이터를 처리하고 그 데이터들과 입력되는 뇌파 값을 비교하여 드론을 제어한다. 또한 뇌파의 발현이 안정적이지 못하는 상황을 대비한 보조입력인 음성인식을 이용하여 드론의 기체손상을 최소화 시킬 수 있다.

• Journal of Korea Game Society
• /
• v.15 no.2
• /
• pp.105-114
• /
• 2015

We propose a real time user interface that utilizes emotion recognition by physiological signals. To improve the problem that was low accuracy of emotion recognition through the traditional EEG(ElectroEncephaloGram), We developed a physiological signals-based emotion recognition system mixing relative power spectrum values of theta/alpha/beta/gamma EEG waves and autonomic nerve signal ratio of ECG (ElectroCardioGram). We propose both a data map and weight value modification algorithm to recognize six emotions of happy, fear, sad, joy, anger, and hatred. The datamap that stores the user-specific probability value is created and the algorithm updates the weighting to improve the accuracy of emotion recognition corresponding to each EEG channel. Also, as we compared the results of the EEG/ECG bio-singal complex data and single data consisting of EEG, the accuracy went up 23.77%. The proposed interface system with high accuracy will be utillized as a useful interface for controlling the game spaces and smart spaces.

• Journal of IKEEE
• /
• v.22 no.3
• /
• pp.816-821
• /
• 2018

Recently, machine learning algorithms based on artificial neural networks started to be used widely as classifiers in the field of EEG research for emotion analysis and disease diagnosis. When a machine learning model is used to classify EEG data, if training data is composed of only data having similar characteristics, classification performance may be deteriorated when applied to data of another group. In this paper, we propose a method to construct training data set by selecting several groups of data using semi-supervised learning algorithm to improve these problems. We then compared the performance of the two models by training the model with a training data set consisting of data with similar characteristics to the training data set constructed using the proposed method.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2014.04a
• /
• pp.995-997
• /
• 2014

뇌파는 최근에 가장 많이 연구되고 있는 생체신호이다. 본 연구에서는 오픈 감정뇌파데이터인 DEAP Dataset를 활용한 데이터 분석 실험을 시행하였다. DEAP Dataset는 총 32개의 데이터이며, 32채널로 구성되어 있다. 전처리 과정에서는 디지털 필터인 IIR(Infinite Impulse Response) Filter를 사용하여 잡음을 제거하였고, 인공산물인 안구잡파(EOG: Electrooculograms) 제거에는 LMS(the Least Mean squares) 알고리즘을 사용하였다. 감정분류는 Valence-Arousal 평면을 사용하여 네 개의 감정으로 구분하였고, 분류 실험으로는 패턴인식 알고리즘인 SVM(support Vector Machine)를 사용하였다. 실험결과 SVM이 70%대의 결과를 도출하여 이전 실험결과보다 높은 정확도를 도출하였다.

• Science of Emotion and Sensibility
• /
• v.2 no.1
• /
• pp.121-128
• /
• 1999

본 연구는 인지 유형에 따라 시계열 예측의 정확성이 분석적인 사람과 직관적인 사람 간에 다를 것이란 가설을 설정하고 이를 규명하기 위하여 44명의 대학생을 사용하여 실험이 이루어졌다. 피험자는 MBTI에 의거하여 분석적인 그룹과 직관적인 그룹으로 나누고 주어진 시계열 데이터에 대하여 예측을 하게 하였다. 이때 인지 유형에 따른 뇌파의 편측성을 분석하기 위하여 전두엽에서 뇌파(F3, F4)를 측정하였다. 그 결과, 인지유형간의 뇌파의 편측성에 유의적인 차이가 없었으며, 예측의 정확성 (MAPE) 또한 유의적인 차이가 없었다.