EEG2Rep: EEG 데이터 모델링을 위한 자기 지도 AI 아키텍처
하이디 두란
2024. 7. 22.
공유:
우리는 "EEG2Rep: 유익한 마스킹 입력을 통한 자기 지도 EEG 표현 향상"이라는 논문이 권위 있는 KDD 2024 회의에서 발표되기로 수락되었음을 기쁘게 발표합니다.
나비드 포우마니가 주 저자입니다. 공동 저자는 Dr. Mahsa Salehi (모나쉬 대학교), Dr. Geoffrey Mackellar, Dr. Soheila Ghane, Dr. Saad Irtza, 및 Dr. Nam Nguyen (EMOTIV Research, Pty Ltd)입니다.
EMOTIV는 나비드 포우마니를 후원하고 있으며, 그는 호주 멜버른의 모나쉬 대학교에서 Dr. Mahsa Salehi의 지도 아래 EEG 데이터에 심층 학습 방법을 적용하는 작업을 하고 있는 박사 후보입니다. 나비드는 우리의 팀과 밀접하게 협력하여 EEG 데이터 모델링에 엄청난 가능성을 지닌 새로운 자기 지도 아키텍처인 EEG2Rep을 개발했습니다.
5개의 EEG 데이터셋 중 하나로서, 나비드는 우리의 운전 주의 데이터에 이 방법을 적용했습니다: 18명의 피험자 x 45분의 시뮬레이션 운전으로, 운전 경험에서의 간헐적 방해 요인(모바일 통화, 문자 메시지, 내비게이션, 음악 선택, 대화, 즉석 정신 계산 등)이 포함됩니다. 우리의 운전 주의 알고리즘은 2013년에 최첨단 기계 학습 방법을 사용하여 68%의 정확도 지표를 제공합니다.
우리는 2015년 멜버른 대학교에서 Mahsa의 박사과정을 후원하며 같은 데이터셋을 제공했습니다. 그녀는 앙상블 방법을 사용하여 정확도 지표를 72%로 향상시켰습니다.
EEG2Rep 모델은 운전 주의 분산 데이터셋에 적용되었고, 현재까지 80.07%라는 가장 높은 정확도를 기록하여 상당한 개선을 이루었습니다. 또한, 이 모델은 감정 및 정신 상태 탐지, 다중 작업, 안정 상태 EEG, 그리고 간질 및 뇌졸중과 같은 의학적 상태 탐지를 포함한 5개의 공개 데이터셋에서 최첨단 방법을 현저히 능가했습니다.
이 성공은 다양한 작업 및 응용 프로그램에 걸쳐 일반화할 수 있는 EEG 데이터에 대한 기초 모델 개발의 가능성을 열어주며, EEG 분석 분야에서 달성할 수 있는 경계를 확장하고 있습니다.
우리는 "EEG2Rep: 유익한 마스킹 입력을 통한 자기 지도 EEG 표현 향상"이라는 논문이 권위 있는 KDD 2024 회의에서 발표되기로 수락되었음을 기쁘게 발표합니다.
나비드 포우마니가 주 저자입니다. 공동 저자는 Dr. Mahsa Salehi (모나쉬 대학교), Dr. Geoffrey Mackellar, Dr. Soheila Ghane, Dr. Saad Irtza, 및 Dr. Nam Nguyen (EMOTIV Research, Pty Ltd)입니다.
EMOTIV는 나비드 포우마니를 후원하고 있으며, 그는 호주 멜버른의 모나쉬 대학교에서 Dr. Mahsa Salehi의 지도 아래 EEG 데이터에 심층 학습 방법을 적용하는 작업을 하고 있는 박사 후보입니다. 나비드는 우리의 팀과 밀접하게 협력하여 EEG 데이터 모델링에 엄청난 가능성을 지닌 새로운 자기 지도 아키텍처인 EEG2Rep을 개발했습니다.
5개의 EEG 데이터셋 중 하나로서, 나비드는 우리의 운전 주의 데이터에 이 방법을 적용했습니다: 18명의 피험자 x 45분의 시뮬레이션 운전으로, 운전 경험에서의 간헐적 방해 요인(모바일 통화, 문자 메시지, 내비게이션, 음악 선택, 대화, 즉석 정신 계산 등)이 포함됩니다. 우리의 운전 주의 알고리즘은 2013년에 최첨단 기계 학습 방법을 사용하여 68%의 정확도 지표를 제공합니다.
우리는 2015년 멜버른 대학교에서 Mahsa의 박사과정을 후원하며 같은 데이터셋을 제공했습니다. 그녀는 앙상블 방법을 사용하여 정확도 지표를 72%로 향상시켰습니다.
EEG2Rep 모델은 운전 주의 분산 데이터셋에 적용되었고, 현재까지 80.07%라는 가장 높은 정확도를 기록하여 상당한 개선을 이루었습니다. 또한, 이 모델은 감정 및 정신 상태 탐지, 다중 작업, 안정 상태 EEG, 그리고 간질 및 뇌졸중과 같은 의학적 상태 탐지를 포함한 5개의 공개 데이터셋에서 최첨단 방법을 현저히 능가했습니다.
이 성공은 다양한 작업 및 응용 프로그램에 걸쳐 일반화할 수 있는 EEG 데이터에 대한 기초 모델 개발의 가능성을 열어주며, EEG 분석 분야에서 달성할 수 있는 경계를 확장하고 있습니다.
우리는 "EEG2Rep: 유익한 마스킹 입력을 통한 자기 지도 EEG 표현 향상"이라는 논문이 권위 있는 KDD 2024 회의에서 발표되기로 수락되었음을 기쁘게 발표합니다.
나비드 포우마니가 주 저자입니다. 공동 저자는 Dr. Mahsa Salehi (모나쉬 대학교), Dr. Geoffrey Mackellar, Dr. Soheila Ghane, Dr. Saad Irtza, 및 Dr. Nam Nguyen (EMOTIV Research, Pty Ltd)입니다.
EMOTIV는 나비드 포우마니를 후원하고 있으며, 그는 호주 멜버른의 모나쉬 대학교에서 Dr. Mahsa Salehi의 지도 아래 EEG 데이터에 심층 학습 방법을 적용하는 작업을 하고 있는 박사 후보입니다. 나비드는 우리의 팀과 밀접하게 협력하여 EEG 데이터 모델링에 엄청난 가능성을 지닌 새로운 자기 지도 아키텍처인 EEG2Rep을 개발했습니다.
5개의 EEG 데이터셋 중 하나로서, 나비드는 우리의 운전 주의 데이터에 이 방법을 적용했습니다: 18명의 피험자 x 45분의 시뮬레이션 운전으로, 운전 경험에서의 간헐적 방해 요인(모바일 통화, 문자 메시지, 내비게이션, 음악 선택, 대화, 즉석 정신 계산 등)이 포함됩니다. 우리의 운전 주의 알고리즘은 2013년에 최첨단 기계 학습 방법을 사용하여 68%의 정확도 지표를 제공합니다.
우리는 2015년 멜버른 대학교에서 Mahsa의 박사과정을 후원하며 같은 데이터셋을 제공했습니다. 그녀는 앙상블 방법을 사용하여 정확도 지표를 72%로 향상시켰습니다.
EEG2Rep 모델은 운전 주의 분산 데이터셋에 적용되었고, 현재까지 80.07%라는 가장 높은 정확도를 기록하여 상당한 개선을 이루었습니다. 또한, 이 모델은 감정 및 정신 상태 탐지, 다중 작업, 안정 상태 EEG, 그리고 간질 및 뇌졸중과 같은 의학적 상태 탐지를 포함한 5개의 공개 데이터셋에서 최첨단 방법을 현저히 능가했습니다.
이 성공은 다양한 작업 및 응용 프로그램에 걸쳐 일반화할 수 있는 EEG 데이터에 대한 기초 모델 개발의 가능성을 열어주며, EEG 분석 분야에서 달성할 수 있는 경계를 확장하고 있습니다.
© 2025 EMOTIV, 모든 권리 보유.
귀하의 개인 정보 선택 (쿠키 설정)
*면책 조항 – EMOTIV 제품은 연구 응용 프로그램 및 개인 용도로만 사용하도록 설계되었습니다. 우리의 제품은 EU 지침 93/42/EEC에 정의된 의료 기기로 판매되지 않습니다. 우리의 제품은 질병의 진단이나 치료를 위해 설계되거나 사용될 의도가 없습니다.
번역에 대한 주의 사항: 이 웹사이트의 비영어 버전은 귀하의 편의를 위해 인공지능을 사용하여 번역되었습니다. 우리는 정확성을 위해 노력하고 있지만, 자동 번역에는 오류나 원본 텍스트와 다른 뉘앙스가 포함될 수 있습니다. 가장 정확한 정보는 이 사이트의 영어 버전을 참조하십시오.
© 2025 EMOTIV, 모든 권리 보유.
귀하의 개인 정보 선택 (쿠키 설정)
*면책 조항 – EMOTIV 제품은 연구 응용 프로그램 및 개인 용도로만 사용하도록 설계되었습니다. 우리의 제품은 EU 지침 93/42/EEC에 정의된 의료 기기로 판매되지 않습니다. 우리의 제품은 질병의 진단이나 치료를 위해 설계되거나 사용될 의도가 없습니다.
번역에 대한 주의 사항: 이 웹사이트의 비영어 버전은 귀하의 편의를 위해 인공지능을 사용하여 번역되었습니다. 우리는 정확성을 위해 노력하고 있지만, 자동 번역에는 오류나 원본 텍스트와 다른 뉘앙스가 포함될 수 있습니다. 가장 정확한 정보는 이 사이트의 영어 버전을 참조하십시오.
© 2025 EMOTIV, 모든 권리 보유.
귀하의 개인 정보 선택 (쿠키 설정)
*면책 조항 – EMOTIV 제품은 연구 응용 프로그램 및 개인 용도로만 사용하도록 설계되었습니다. 우리의 제품은 EU 지침 93/42/EEC에 정의된 의료 기기로 판매되지 않습니다. 우리의 제품은 질병의 진단이나 치료를 위해 설계되거나 사용될 의도가 없습니다.
번역에 대한 주의 사항: 이 웹사이트의 비영어 버전은 귀하의 편의를 위해 인공지능을 사용하여 번역되었습니다. 우리는 정확성을 위해 노력하고 있지만, 자동 번역에는 오류나 원본 텍스트와 다른 뉘앙스가 포함될 수 있습니다. 가장 정확한 정보는 이 사이트의 영어 버전을 참조하십시오.