웨어러블 디바이스 기술의 확산과 함께 심전도를 이용한 사용자 인식 기술이 주목받고 있다. 그러나 심전도 신호는 심리적 상태 변화에 민감하여 동일 사용자에 대해서도 상태별 인식 성능 차이가 발생하는 한계가 있다. 본 논문에서는 입력 심전도 신호로부터 추정된 상태 확률 정보를 조건으로 반영하는 심리적 상태 조건부 학습 기반 사용자 인식 시스템을 제안한다. 제안된 시스템은 상태 확률을 사용자 인식 과정의 조건으로 반영하여 상태 변화에 따른 특징 불안정성을 완화한다. WESAD 데이터셋을 이용한 5회 반복 실험 결과, 조건부 학습 모델은 Macro 평균 인식률 향상과 함께 상태 간 인식 성능 편차가 평균 0.198% 감소하는 통계적으로 유의미한 결과를 보였다.
Song et al. (Tue,) studied this question.