Meta-learning and Spatial-Spectral Feature Selection for EEG-based BCI
연구 내용
메타학습과 멀티에이전트 강화학습, 웨이블릿 기반 멀티브랜치 CNN을 결합해 EEG 신호에서 개인화된 표현과 특성 선택을 수행하는 BCI 연구
EEG 기반 BCI에서 개인차와 캘리브레이션 부담을 줄이기 위해, 신호 표현을 새롭게 학습하고 특성을 선택하는 방법론을 중심으로 연구합니다. 시간 영역과 공간-스펙트럼 영역의 정보를 동시에 고려하도록 멀티에이전트 강화학습 에이전트가 협업하며, 신용배분 문제를 완화하기 위한 반사실 기반 어드밴티지 설계를 적용합니다. 또한 zero-calibration 조건에서 재사용 가능한 표현을 만들기 위해 메타러닝 기반 class-relevant representation learning을 수행합니다. 신호 디코딩 단계에서는 연속 웨이블릿 기반 멀티브랜치 CNN으로 주파수-시간 특징을 함께 추출하고, 진화 탐색으로 개인화된 하이퍼파라미터와 아키텍처를 최적화합니다.
관련 연구 성과
관련 논문
4편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
BCI 기반 뇌인지컴퓨팅을 목표로 딥러닝 기반 의도 인식 기술을 축적한 뒤, 데이터셋과 대상자에 따라 변동이 큰 EEG에서 성능을 안정화하는 방향으로 연구를 확장했습니다. 이후 피처 선택이 성능에 미치는 영향을 활용해, 단일 영역 중심 접근을 넘어 공간-스펙트럼과 시간 도메인을 동시에 탐색하는 멀티에이전트 강화학습 프레임을 개발했습니다. 동시에 zero-calibration에서 일반화가 가능하도록 메타학습 기반 표현 학습을 도입하여 캘리브레이션 의존성을 낮추었습니다. 최근에는 웨이블릿 기반 멀티브랜치 CNN과 진화적 탐색을 결합해 디코딩과 네트워크 구성을 함께 최적화하는 흐름으로 발전했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
MARS: Multiagent Reinforcement Learning for Spatial—Spectral and Temporal Feature Selection in EEG-Based BCI
META-EEG: Meta-learning-based class-relevant EEG representation learning for zero-calibration brain–computer interfaces
A learnable continuous wavelet-based multi-branch attentive convolutional neural network for spatio–spectral–temporal EEG signal decoding
Population-based evolutionary search for joint hyperparameter and architecture optimization in brain-computer interface
관련 프로젝트
구분
제목
(BCI-2세부) 딥러닝을 이용하여 사람의 의도를 인지하는 BCI 기반 뇌인지컴퓨팅 기술 개발