학습 대상 신호를 각각 수신하는 복수의 전극들을 포함하는 뇌전도 신호 획득부; 및상기 복수의 전극들 각각의 위치를 기준으로 복수의 설정 지역들을 결정하고, 상기 복수의 설정 지역들 중에서 적어도 하나의 선택 지역을 결정하고, 상기 적어도 하나의 선택 지역에 대응하는 특징 벡터를 획득하고, 상기 특징 벡터를 이용하여 분류 모델을 훈련시키는 프로세서;를 포함하고,상기 프로세서는, 상기 복수의 전극들 각각에 대하여 인접한 적어도 하나의 전극이 포함되도록 설정 지역을 결정하고,상기 프로세서는, 상기 복수의 설정 지역들 각각에 대응하는 혼동 영역 점수를 연산하고, 상기 혼동 영역 점수를 기반으로 상기 적어도 하나의 선택 지역을 결정하고,상기 프로세서는, 일 지역에 대해 제1 클래스에 속하는 지역 공분산 행렬의 리만 평균과 상기 제1 클래스에 속하는 지역 공분산 행렬 간의 리만 거리의 평균을 연산하고,상기 일 지역에 대해 상기 제1 클래스에 속하는 지역 공분산 행렬의 리만 평균과 상기 제1 클래스와 상이한 클래스에 속하는 지역 공분산 행렬 간의 리만 거리 중 가장 작은 최소 리만 거리를 획득하고,상기 리만 거리의 평균과 상기 최소 리만 거리의 차이를 획득하고,상기 차이를 정규화하여, 상기 일 지역에 대해 상기 제1 클래스에 대한 혼동 영역 점수를 연산하고,상기 프로세서는, 상기 일 지역에 대해 제2 클래스에 대한 혼동 영역 점수를 연산하고, 상기 제1 클래스에 대한 혼동 영역 점수 및 상기 제2 클래스에 대한 혼동 영역 점수 중 더 작은 값을 상기 일 지역에 대한 혼동 영역 점수로 결정하는,운동 심상 분류 장치.

삭제

삭제

삭제

삭제

제1항에 있어서,상기 프로세서는, 상기 혼동 영역 점수가 가장 작은 지역을 상기 적어도 하나의 선택 지역으로 결정하는 운동 심상 분류 장치.

제1항에 있어서, 상기 프로세서는, 훈련 지역에 대한 공분산 행렬의 리만 평균을 연산하고, 상기 훈련 지역에 대한 리만 평균 및 상기 훈련 지역에 대한 적어도 하나의 일 공분산 행렬 사이의 로그 리만 거리 행렬을 연산하고, 상기 로그 리만 거리 행렬을 벡터화하고, 상기 선택 지역에 대한 로그 리만 거리 행렬을 연결하여 특징 벡터를 생성하는 운동 심상 분류 장치.

제1항에 있어서,상기 뇌전도 신호 획득부는, 처리 대상 신호를 획득하고,상기 프로세서는, 상기 처리 대상 신호에 대응하는 운동 심상을 분류하여 획득하는 운동 심상 분류 장치.

학습 대상 신호를 수신 가능한 복수의 전극들 각각의 위치를 기준으로 복수의 설정 지역들을 결정하는 단계;상기 복수의 설정 지역들 중에서 적어도 하나의 선택 지역을 결정하는 단계;상기 적어도 하나의 선택 지역에 대응하는 특징 벡터를 획득하는 단계; 및상기 특징 벡터를 이용하여 분류 모델을 훈련시키는 단계를 포함하고,상기 복수의 설정 지역들을 결정하는 단계는,상기 복수의 전극들 중에서 어느 하나의 전극을 선택하는 단계; 및상기 어느 하나의 전극 및 상기 어느 하나의 전극과 인접한 적어도 하나의 전극을 포함하도록 설정 지역을 결정하는 단계를 포함하고,상기 적어도 하나의 선택 지역을 결정하는 단계는,상기 복수의 설정 지역들 각각에 대응하는 혼동 영역 점수를 연산하는 단계; 및상기 혼동 영역 점수를 기반으로 상기 적어도 하나의 선택 지역을 결정하는 단계를 포함하고,상기 혼동 영역 점수를 연산하는 단계는,일 지역에 대해 제1 클래스에 속하는 지역 공분산 행렬의 리만 평균과 상기 제1 클래스에 속하는 지역 공분산 행렬 간의 리만 거리의 평균을 연산하는 단계;상기 일 지역에 대해 상기 제1 클래스에 속하는 지역 공분산 행렬의 리만 평균과 상기 제1 클래스와 상이한 클래스에 속하는 지역 공분산 행렬 간의 리만 거리 중 가장 작은 최소 리만 거리를 획득하는 단계;상기 리만 거리의 평균과 상기 최소 리만 거리의 차이를 획득하는 단계;상기 차이를 정규화하여, 상기 일 지역에 대해 상기 제1 클래스에 대한 혼동 영역 점수를 연산하는 단계;상기 일 지역에 대해 제2 클래스에 대한 혼동 영역 점수를 연산하는 단계; 및상기 제1 클래스에 대한 혼동 영역 점수 및 상기 제2 클래스에 대한 혼동 영역 점수 중 더 작은 값을 상기 일 지역에 대한 혼동 영역 점수로 결정하는 단계를 더 포함하는,운동 심상 분류 장치에 의해 수행되는 운동 심상 분류 방법.

삭제

삭제

삭제

삭제

제9항에 있어서,상기 적어도 하나의 선택 지역을 결정하는 단계는,상기 혼동 영역 점수가 가장 작은 지역을 상기 적어도 하나의 선택 지역으로 결정하는 단계를 더 포함하는,운동 심상 분류 장치에 의해 수행되는 운동 심상 분류 방법.

제9항에 있어서, 상기 적어도 하나의 선택 지역에 대응하는 특징 벡터를 획득하는 단계는,훈련 지역에 대한 공분산 행렬의 리만 평균을 연산하는 단계;상기 훈련 지역에 대한 리만 평균 및 상기 훈련 지역에 대한 적어도 하나의 일 공분산 행렬 사이의 로그 리만 거리 행렬을 연산하는 단계;상기 로그 리만 거리 행렬을 벡터화하는 단계; 및상기 선택 지역에 대한 로그 리만 거리 행렬을 연결하여 특징 벡터를 생성하는 단계;를 포함하는,운동 심상 분류 장치에 의해 수행되는 운동 심상 분류 방법.

제9항에 있어서,처리 대상 신호를 획득하는 단계; 및상기 처리 대상 신호에 대응하는 운동 심상을 분류하여 획득하는 단계;를 더 포함하는,운동 심상 분류 장치에 의해 수행되는 운동 심상 분류 방법.