• 전기학회논문지
• /
• 제67권11호
• /
• pp.1506-1511
• /
• 2018

This study presents a human sensibility evaluation method using neural network and multiple-template method on electroencephalogram(EEG). We used a multi-layer perceptron type neural network as the sensibility classifier using EEG signal. For our research objective, 10-channel EEG signals are collected from the healthy subjects. After the necessary preprocessing is performed on the acquired signals, the various EEG parameters are estimated and their discriminating performance is evaluated in terms of pattern classification capability. In our study, Linear Prediction(LP) coefficients are utilized as the feature parameters extracting the characteristics of EEG signal, and a multi-layer neural network is used for indicating the degree of human sensibility. Also, the estimation for human comfortableness is performed by varying temperature and humidity environment factors and our results showed that the proposed scheme achieved good performances for evaluation of human sensibility.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제51권11호
• /
• pp.528-534
• /
• 2002

This paper describes a technique for human sensibility evaluation using EEGs of 4 emotions. The proposed method uses the linear predictor coefficients as EEG feature parameters and a neural network as sensibility pattern classifier. For subject independent system, multiple templates are stored and the most similar template can be selected. EEG signals corresponding to 4 emotions such as relaxation, joy, sadness and anger are collected from 5 armature performers. The states of relaxation and joy are considered as positive sensibility and those of sadness and anger as negative. The classification performance suing the proposed method is about 72.6%. This may be promising performance in the human sensibility evaluation.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 하계학술대회 논문집 D
• /
• pp.2690-2692
• /
• 2002

This paper describes a technique for human sensibility evaluation using 10-channel EEG(electroencephalogram). The proposed method uses the linear predictor coefficients as EEG feature parameters and a neural network as sensibility pattern classifier. For subject independent system, multiple templates are stored and the most similar template can be selected. EEG signals corresponding to 4 emotions such as, relaxation, joy, sadness and anger are collected from 5 armature performers. The states of relaxation and joy are considered as positive sensibility and those of sadness and anger as negative. The classification performance using the proposed method is about 72.6%. This will be promising performance in the human sensibility evaluation.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2003년도 하계학술대회 논문집 D
• /
• pp.2801-2803
• /
• 2003

This paper describes a technique for human sensibility evaluation using personality-group templates of EEG(electroencephalogram). 10-channel EEGs of 5 extroverts and 5 introverts are collected in comfortable seat, uncomfortable seat and relaxed state. After preprocessing of EEG, the linear predictor coefficients are extracted and used as feature parameters. A neural network based sensibility classifier is designed and the output of the neural network is assumed as the sensibility index. Multiple templates of two personality-groups are stored and the most similar template can be selected by the proposed method. The proposed method showed the better performance than our previous results which have used ungrouped templates.

• 감성과학
• /
• 제16권3호
• /
• pp.409-416
• /
• 2013

집중은 관련된 사건을 선택적으로 주의하고, 관련 없는 사건을 무시하는 인간의 중요한 인지 기능중의 하나이다. 인간의 집중 능력을 관리 이용하는 컴퓨터 기반 장치에 있어서 집중과 비집중 상태를 구분하는 것은 필수적으로 요구되는 조건이다. 본 논문에서는, 뇌파신호로부터 분류기의 입력으로 사용되는 특징을 효율적으로 추출하기 위하여 비선형 반복 패턴 분석기법과 스펙트럼 분석 기법을 새로이 결합하였고(13개 특징 추출), 서포트벡터머신, 역전파 알고리즘, 선형분리, 로지스틱 회귀 분류 기반 분류기들을 포함하는 집중-비집중 분류기들의 성능을 분석하였다. 그중에서 81 %의 정확도를 보이는 서포트벡터머신 분류기가 가장 좋은 성능을 보였다. 또한 스펙트럼 분석으로 추출한 특징만을 사용하였을 경우(76 % 정확도)가 비선형 분석 방법으로 추출한 특징만을 사용했을 경우(67 % 정확도)보다 좀 더 우수한 성능을 보였다. 비선형-스펙트럼 분석법을 복합 적용한 서포트벡터머신 분류기가 추후 집중 관련 장비 설계에 있어서 효율적으로 적용될 수 있을 것이다.

• 감성과학
• /
• 제20권2호
• /
• pp.161-170
• /
• 2017

감정은 학습능력, 행동, 판단력 등 삶의 많은 부분에 영향을 끼치므로 인간의 본질을 이해하는 데 중요한 역할을 한다. 그러나 감정은 개인이 느끼는 강도가 다르며, 시각 영상 자극을 통해 감정을 유도하는 경우 감정이 지속적으로 유지되지 않는다. 이러한 문제점을 극복하기 위하여 총 4가지 감정자극(행복, 슬픔, 공포, 보통) 시 생체신호(뇌전도, 맥파, 피부전도도, 피부 온도)를 획득하고, 이로부터 특징을 추출하여 분류기의 입력으로 사용하였다. 감정 패턴을 확률적으로 해석하여 다른 공간으로 매핑시켜주는 역할을 하는 Restricted Boltzmann Machine (RBM)과 Multilayer Neural Network (MNN)의 은닉층 노드를 이용하여 비선형적인 성질의 감정을 구별하는 Deep Belief Network (DBN) 감정 패턴 분류기를 설계하였다. 그 결과, DBN의 정확도(약 94%)는 오류 역전파 알고리즘의 정확도(약 40%)보다 높은 정확도를 가지며 감정 패턴 분류기로서 우수성을 가짐을 확인하였다. 이는 향후 인지과학 및 HCI 분야 등에서 활용 가능할 것으로 사료된다.