뇌파 기반 주제 매칭 학습(ESML): 뇌파 기반 생체 인식 및 작업 식별을 위한 딥 러닝 프레임워크

EEG 신호(전기 뇌파)는 인간의 뇌 활동을 반영하는 생물전기 현상입니다. 본 논문에서는 원시 EEG 신호를 사용하여 EEG 기반 사용자 식별 및 작업 분류를 위한 잠재 표현을 학습하는 새로운 딥 러닝 프레임워크인 ESML(EEG 기반 주제 매칭 학습)을 제안합니다. ESML은 두 부분으로 구성되어 있습니다: 하나는 EEG-사용자 연결을 위한 LSTM 기반 방법인 ESML1 모델이며, 다른 하나는 EEG-작업 연결을 위한 CNN 기반 방법인 ESML2 모델입니다. 새로운 모델인 ESML은 간단하지만 효과적이고 효율적입니다. 사용자에 대한 행동 및 사고에 대한 EEG 데이터 수집에 대한 어떤 제한도 필요하지 않으며, EEG 잡음 제거 및 특징 추출과 같은 EEG 전처리 작업도 필요하지 않습니다. 실험은 세 가지 공공 데이터 세트에서 수행되었으며, 결과는 ESML이 최상의 성능을 발휘하고 기준 방법(즉, SVM, LDA, NN, DTS, 베이지안, AdaBoost 및 MLP)과 비교할 때 상당한 성능 향상을 이루었다는 것을 보여줍니다. ESML1 모델은 109명의 사용자에 대해 96%의 최상의 정확도를 제공했으며, ESML2 모델은 3분류 작업 분류에서 99%의 정확도를 달성했습니다. 이러한 실험 결과는 EEG 신호가 사용자 식별 및 작업 분류에 사용될 수 있다는 직접적인 증거를 제공합니다.