• 전자공학회논문지
• /
• 제54권7호
• /
• pp.71-78
• /
• 2017

감정을 분류하는 대표적인 알고리즘에는 Support-vector-machine (SVM), Bayesian decision rule 등이 있다. 하지만 기존의 연구자들은 위와 같은 방법에는 문제점이 있다고 지적하였다. 이를 보완하기 위해 다른 연구자는 경사도를 이용하여 새로운 패턴인식 알고리즘을 제안하였다. 본 논문에서는 이 알고리즘을 통해 새로운 EEG 기반의 감정 인식 알고리즘을 제안하고 기존의 연구와 비교한다. 본 논문에서는 신뢰도 높은 자료를 얻기 위해 여러 논문에서 사용된 DEAP (a database for emotion analysis using physiological signals)를 사용하였다. 또한, 객관적인 검증을 위해 기존의 연구에서 사용된 4개의 뇌파 채널(Fz, Fp2, F3, F4)의 PSD (Power Spectral Density)를 특징으로 사용하여 감정의 2개 척도 (Arousal, Valence)를 분류하였다. 본 논문에서 실시한 교차검증 (4-fold)에 의하면 Valence 축에서 85%, Arousal 축에서 87.5의 정확도를 얻을 수 있었다.

• 한국음향학회지
• /
• 제41권5호
• /
• pp.518-524
• /
• 2022

본 논문에서는 합성곱 신경망과 주의집중 메커니즘을 결합하여 뇌파 신호로부터 감정적 스트레스 인식 성능을 향상시키는 방식을 제안한다. 제안하는 방식에서는 뇌파 신호를 5개의 주파수 영역으로 분해하고, 각 주파수 영역에 합성곱 신경망 계층을 사용하여 뇌파 특징의 공간정보를 획득한 후에 게이트 트랜스포머를 이용한 주의집중 메커니즘을 사용하여 각 주파수 대역에서 두드러진 주파수 정보를 학습하고, 주파수 간 대역 매핑을 통해 보완 주파수 정보를 학습하여 최종 주의집중 표현에 반영한다. DEAP 데이터세트와 6명의 피 실험자가 참여한 뇌파 스트레스 인식 실험을 통해, 제안된 방식이 기존 방식과 비교하여 뇌파 기반 스트레스 인식 성능 향상에 효과가 있음을 보여준다.

• 전기전자학회논문지
• /
• 제22권3호
• /
• pp.816-821
• /
• 2018

최근 감정 분석 및 질병 진단을 위한 뇌파 연구 분야에서 인공 신경망을 기반으로 한 기계학습 알고리즘이 분류기로 널리 사용되기 시작했다. 뇌파 데이터 분류를 위해 기계학습 모델을 사용하는 경우 유사한 특성을 가지는 데이터만으로 학습데이터가 구성되면 다른 그룹의 데이터에 적용했을 때 분류 성능이 떨어질 수 있다. 본 논문에서는 이러한 문제점을 개선하기 위해 준 지도학습 알고리즘을 사용해 여러 그룹의 데이터를 선택하여 학습데이터 세트를 구성하는 방법을 제안한다. 이후 제안하는 방법을 사용하여 구성한 학습데이터 세트와 유사한 특성을 가지는 데이터로 구성된 학습데이터 세트로 모델을 학습하여 두 모델의 성능을 비교하였다.

• 한국화재소방학회논문지
• /
• 제22권1호
• /
• pp.93-98
• /
• 2008

지하전력구에서의 지중송전선로 접속부의 화재에 대한 강화액 미분무 소화설비의 개발을 위한 화재시험을 수행하였다. 높이 5.5m, 폭 3m, 길이 6m의 화재시험실에 154 kV OF 케이블 6단으로 소화모형을 설치하였으며 하부의 점화대의 연료는 휘발유를 사용하였다. 화재감지용 정온식 감지선형 감지기는 케이블 최상단에 설치하였고, 소화약제 방출노즐은 천장부와 측벽부에 각각 설치하였다. 총 7회의 소화시험을 실시하고 미분무 강화액 소화설비로 개발된 제품을 소화모형에 방사하여 표면화재 및 심부화재의 판정기준인 3분 이내에 성공적으로 소화하였다.

• 산업경영시스템학회지
• /
• 제37권1호
• /
• pp.1-8
• /
• 2014

This paper proposes an emotion classifier from EEG signals based on Bayes' theorem and a machine learning using a perceptron convergence algorithm. The emotions are represented on the valence and arousal dimensions. The fast Fourier transform spectrum analysis is used to extract features from the EEG signals. To verify the proposed method, we use an open database for emotion analysis using physiological signal (DEAP) and compare it with C-SVC which is one of the support vector machines. An emotion is defined as two-level class and three-level class in both valence and arousal dimensions. For the two-level class case, the accuracy of the valence and arousal estimation is 67% and 66%, respectively. For the three-level class case, the accuracy is 53% and 51%, respectively. Compared with the best case of the C-SVC, the proposed classifier gave 4% and 8% more accurate estimations of valence and arousal for the two-level class. In estimation of three-level class, the proposed method showed a similar performance to the best case of the C-SVC.

• 한국화재소방학회논문지
• /
• 제29권2호
• /
• pp.13-19
• /
• 2015

본 연구는 침윤소화약제의 소화성능평가를 위해 실규모 소화실험을 수행하였다. 실험은 '수동식소화기의 형식승인 및 검정기술기준'에 명시되어 있는 A급 소화실험 방법에 따라 진행하였으며, 목재 외에도 목분과 왕겨를 대상으로 실험을 진행하였다. 소화용수는 물과 국내에서 사용되고 있는 3종의 침윤소화약제를 사용하여 성능평가 실험을 진행함으로써 물과 침윤소화약제의 명확한 변별력을 확인하고자 하였다. 실험 결과 물의 경우에서 내부 온도의 유지시간이 길게 유지되고 침윤소화약제의 경우 빠른 온도 하강을 나타냄을 확인하였으며, 시간에 따른 온도분포를 통해 소화능력의 변별력을 확인하였다. 본 실험 결과를 바탕으로 추후 최적화 침윤소화약제 성능평가 방법을 제시하는데 기초자료로 활용할 수 있을 것으로 판단된다.