신경망과 최적화 알고리즘을 이용한 인간-기계 인터페이스에서 운동 이미지의 이진 분류 효율성

건조 전극과 무선 데이터 전송을 갖춘 신경 헤드셋을 기반으로 하는 컴팩트한 하드웨어 및 소프트웨어 시스템이 개발되었습니다. 이 시스템은 운영자로부터 제어 입력을 생성하는 동시에 그들의 기능적 상태를 실시간으로 모니터링하도록 설계되었으며 복합 기술 시스템에 통합되었습니다. 여러 최적화 알고리즘과 결합된 여러 분류기를 사용하여 운영자의 운동 패턴의 이진 분류 효율성에 대한 연구 결과가 제시되었습니다. 다음 분류기가 분석되었습니다: 로젠블라트 퍼셉트론, 선형 판별 분석 및 합성곱 신경망. 18개의 반복 매크로 레이어로 구성된 ResNet 유형의 합성곱 신경망을 기반으로 하는 분류기 아키텍처가 제안됩니다. 정밀도, 재현율 및 F1 점수 메트릭을 사용하여 다양한 최적화 알고리즘(적응적 모멘트 추정, 제안된 업그레이드가 있는 레벤버그-마르콰르트, 확률적 경사 하강법 및 브로이든-플레처-골드파브-샤노)이 분류 결과에 미치는 영향을 분석했습니다. 합성곱 신경망 기반 분류기와 적응적 모멘트 추정 알고리즘의 조합이 최고의 온라인 성능을 보여주었습니다. 정확도 메트릭을 사용한 분류 성공률은 약 66%였습니다. 얻어진 결과는 실시간으로 작동하는 모바일 핸드헬드 뇌-컴퓨터 인터페이스에 대한 일반적인 결과를 초과하는 것으로 나타났습니다.