Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

A Study of Pattern Classification System Design Using Wavelet Neural Network and EEG Signal Classification

웨이블릿 신경망을 이용한 패턴 분류 시스템 설계 및 EEG 신호 분류에 대한 연구

  • 임성길 (경희대학교 컴퓨터공학과) ;
  • 박찬호 (부천대학 인터넷응용과) ;
  • 이현수 (경희대학교 컴퓨터공학과)
  • Published : 2002.05.01
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose a pattern classification system for digital signal which is based on neural networks. The proposed system consists of two models of neural network. The first part is a wavelet neural network whose role is a feature extraction. For this part, we compare existing models of wavelet networks and propose a new model for feature extraction. The other part is a wavelet network for pattern classification. We modify the structure of previous wavelet network for pattern classification and propose a learning method. The inputs of the pattern classification wavelet network is connection weights, dilation and translation parameters in hidden nodes of feature extraction network. And the output is a class of the signal which is input of feature extraction network. The proposed system is, applied to classification of EEG signal based on frequency.

본 논문에서는 신경망에 기반한 디지털 신호를 위한 패턴분류 시스템을 제안한다. 제안하는 시스템은 두 가지 신경망 모델로 구성된다. 첫 번째 부분은 특징 추출의 역할을 하는 웨이블릿 신경망이다. 이 부분을 위해 기존의 웨이블릿 신경망 모델들을 비교한 후, 특징 추출을 위한 새로운 웨이블릿 신경망 모델을 제안한다. 다른 부분은 패턴 분류를 위한 웨이블릿 신경망이다. 패턴 분류에 적용하기 위해 기존의 웨이블릿 신경망 구조를 수정하고 학습 방법을 제안한다. 패턴 분류 웨이블릿 신경망의 입력은 특징 추출 신경망의 은닉노드의 연결강도, 확장 및 이동 파라미터로 구성되었다. 또 출력은 특징 추출 신경망의 입력 신호가 속한 부류를 나타낸다. 제안한 시스템을 EEG 신호를 주파수에 따라서 분류하는 문제에 적용하였다.

Keywords

References

  1. Ingrid Daubechies, 'Orthonormal bases of compactly supported wavelets,' Communications on Pure and Applied Mathematics, 41:909-996, November 1988 https://doi.org/10.1002/cpa.3160410705
  2. H.Suz, B.Telfer, S.Kadambe, 'Neural Network Adaptive Wavelets for Signal Representation and Classificaiton,' Optical Engineering, Vol. 31, pp. 1907-1916, 1992 https://doi.org/10.1117/12.59918
  3. Q. Zhang, A. Benveniste, 'Wavelet Networks', IEEE Trans. Neural Networks, Vol. NN-3, No. 6, pp. 889-898, 1992 https://doi.org/10.1109/72.165591
  4. B. Bakshi, G. Stephanopoulos, 'Wavelets as Basis Functions for Localized Learning in a Multi-resolution Hierarchy,' IJCNN 92, Vol. 2, pp. 140-145, 1992 https://doi.org/10.1109/IJCNN.1992.227017
  5. Y.C. Pati and P.S. Krishnaprasad, 'Analysis and Synthesis of Feedforward Neural Networks Using Discrete Affine Wavelet Transformations,' IEEE Trans. Neural Networks, 4(1), pp. 73-85, 1993 https://doi.org/10.1109/72.182697
  6. K.Kobayashi, T. Torioka, 'A Wavelet Neural Network for Function Approximation and Network Optimization,' Proc. of ANNIE 94, Vol. 4, pp. 505-510, 1994
  7. 임성길, 이현수, '은닉노드의 생성 소멸에 의한 웨이블릿 신경망 구조의 자기조직화,' 전자공학회 논문지 제36권 C편 제12호, pp.78-89, 1999
  8. 이창변, 노재영, 뇌파학입문, 하나의학사, 1997