Long Short-Term Memory(LSTM)을 이용한 팔 움직임 예측 Arm Movement Prediction using LSTM

염홍기 제어로봇시스템학회 2020 제어로봇시스템학회 국내학술대회 논문집 Vol.2020 No.7

Superiority Demonstration of Variance-Considered Machines by Comparing Error Rate with Support Vector Machines

염홍기,박승민,박준흥,심귀보 제어·로봇·시스템학회 2011 International Journal of Control, Automation, and Vol.9 No.3

To improve the performance of classification algorithms, we proposed a new variance-considered machine (VCM) classification algorithm in a previous study. The study showed theoretically that VCMs have lower error probabilities than SVMs. The purpose of this paper is to experimentally demonstrate the superiority of VCMs. Therefore, we verified our proposal with several case ex-periments using data following a Gaussian distribution with different variances and prior probabilities. To estimate performance, the experiment for each case was executed 1000 times and the error rates were averaged for accuracy. The data of each experiment have different distances between means of data, and different ratios between training data and testing data. Thus, we proved that the error rate of VCMs is lower than the error rate of SVMs, although their performances were not similar in each case. Consequently, we expect that VCMs will be applied to a variety fields.

실생활 사용을 위한 뇌-컴퓨터 인터페이스 연구동향

염홍기 제어·로봇·시스템학회 2019 제어·로봇·시스템학회 논문지 Vol.25 No.9

In recent decades, brain-computer interfaces (BCIs) have been an active area of study. BCI is a technology designed to predict the user’s intention by analyzing brain signals and to control a computer according to that predicted intention. Using BCI technology, patients with limb paralysis can perform various actions such as moving, expressing thoughts, drinking water, and so on. Moreover, the technology is also useful for healthy subjects because it allows them to control various electrical devices without physical movements. In this paper, the representative principles of BCIs are summarized, including slow cortical potentials, sensorimotor rhythms, P300, steady-state visually evoked potential, and directional tuning. Moreover, novel BCI studies are introduced. The convergence of these BCI methods will enable the development of BCIs that can be used in real life.

뇌-컴퓨터 인터페이스 연구 동향

염홍기 제어로봇시스템학회 2019 제어로봇시스템학회 국내학술대회 논문집 Vol.2019 No.5

Membership Function-based Classification Algorithms for Stability improvements of BCI Systems

염홍기,심귀보 한국지능시스템학회 2010 INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGE Vol.10 No.1

To improve system performance, we apply the concept of membership function to Variance Considered Machines (VCMs) which is a modified algorithm of Support Vector Machines (SVMs) proposed in our previous studies. Many classification algorithms separate non-linear data well. However, existing algorithms have ignored the fact that probabilities of error are very high in the data-mixed area. Therefore, we make our algorithm ignore data which has high error probabilities and consider data importantly which has low error probabilities to generate system output according to the probabilities of error. To get membership function, we calculate sigmoid function from the dataset by considering means and variances. After computation, this membership function is applied to the VCMs.

말하는 상상 동안 Broca 영역에서 뇌파의 변화 분석

염홍기(Hong-Gi Yeom),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2008 한국지능시스템학회 학술발표 논문집 Vol.18 No.2

기존 Brain-Computer Interface (BCI)와 관련된 연구는 대부분이 운동중추와 관련된 연구들이었다. 이러한 연구들을 통해 EEG 신호를 활용하여 마우스 커서를 제어하거나 휠체어를 제어하는 등 활동을 보조할 수 있는 많은 연구가 있었지만 언어중추의 연구를 통한 의사소통을 보조할 수 있는 연구는 미비하였다. 본 논문에서는 A, B, C, D의 문자를 말하는 것을 상상할 때 사고중추에서와 Broca’s area 에서 EEG 신호를 측정하여 ITC분석을 통해 뇌파에서 어떤 변화가 발생하는지를 살펴보았다. 각 뇌파에 대한 분석결과 각 문자를 보여주는 자극 제시 후 F7과 FT7 영역에서 0~300ms 동안의 1~13㎐에서 높은 coherence를 보이는 것을 알 수 있었으며, P300이 뚜렷하게 발생하는 것을 확인할 수 있었다. 하지만 피험자가 A, B, C, D 중 어떤 단어를 상상하는 지를 구분하기는 어려웠다. 하지만 위의 결과를 활용하여 기존 운동중추와 관련된 연구결과와 본 논문의 결과를 이용하여 피험자의 생각을 표현하는 방법을 제안하였다.

다중 센서 융합 알고리즘을 이용한 사용자의 감정 인식 및 표현 시스템

염홍기(Hong-Gi Yeom),주종태(Jong-Tae Joo),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2008 한국지능시스템학회논문지 Vol.18 No.1

지능형 로봇이나 컴퓨터가 일상생활 속에서 차지하는 비중이 점점 높아짐에 따라 인간과의 상호교류도 점점 중요시되고 있다. 이렇게 지능형 로봇(컴퓨터) - 인간의 상호 교류하는데 있어서 감정 인식 및 표현은 필수라 할 수 있겠다. 본 논문에서는 음성 신호와 얼굴 영상에서 감정적인 특징들을 추출한 후 이것을 Bayesian Learning과 Principal Component Analysis에 적용하여 5가지 감정(평활, 기쁨, 슬픔, 화남, 놀람)으로 패턴을 분류하였다. 그리고 각각 매개체의 단점을 보완하고 인식률을 높이기 위해서 결정 융합 방법과 특징 융합 방법을 적용하여 감정 인식 실험을 하였다. 결정 융합 방법은 각각 인식 시스템을 통해 얻어진 인식 결과 값을 퍼지 소속 함수에 적용하여 감정 인식 실험을 하였으며, 특징 융합 방법은 SFS(Sequential Forward Selection) 특징 선택 방법을 통해 우수한 특징들을 선택한 후 MLP(Multi Layer Perceptron) 기반 신경망(Neural Networks)에 적용하여 감정 인식 실험을 실행하였다. 그리고 인식된 결과 값을 2D 얼굴 형태에 적용하여 감정을 표현하였다. As they have more and more intelligence robots or computers these days. so the interaction between intelligence robot(computer) - human is getting more and more important also the emotion recognition and expression are indispensable for interaction between intelligence robot(computer) - human. In this paper, firstly we extract emotional features at speech signal and facial image. Secondly we apply both BL(Bayesian Learning) and PCA(Principal Component Analysis). lastly we classify five emotions patterns(normal, happy, anger, surprise and sad) also, we experiment with decision fusion and feature fusion to enhance emotion recognition rate. The decision fusion method experiment on emotion recognition that result values of each recognition system apply Fuzzy membership function and the feature fusion method selects superior features through SFS(Sequential Forward Selection) method and superior features are applied to Neural Networks based on MLP(Multi Layer Perceptron) for classifying five emotions patterns and recognized result apply to 2D facial shape for express emotion.

BCI를 위한 m-VCM 데이터 분류 알고리즘에 기반한 시스템의 출력 조절

염홍기(Hong-Gi Yeom),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.1

본 논문은 데이터 분류 알고리즘에 관한 내용으로 선행 연구를 통해 제안되었던 Variance Considered Machines (VCM)과 m-Variance Considered Machines (m-VCM) 알고리즘을 소개하고 시뮬레이션을 통해 본 알고리즘의 강인성을 보여주고 있다. VCM이란 Support Vector Machines (SVM)의 초평면 (Optimal Hyperplanes)을 데이터가 클래스에 속할 확률이 같아지는 지점으로 옮겨주어 최대마진을 가질 뿐 아니라 에러가 발생할 확률을 줄여준 알고리즘이다. 또한 본 논문에서는 VCM에 소속 함수 개념을 도입한 m-Variance Considered Machines(m-VCM)을 소개하고 MATLAB을 통한 시뮬레이션을 통해 m-VCM이 어떻게 데이터를 분류하고 출력을 조절하는지를 보여주고 있다. 시뮬레이션 결과를 통해 초평면 근처의 에러가 발생할 확률이 높은 데이터는 출력에 영향을 덜 미치게 하고 초평면으로부터 멀리 떨어진 데이터일수록 출력에 크게 영향을 미치도록 하는 것을 알 수 있다.

Variance-Considered Machine을 이용한 상상 움직임의 EEG 신호 분류

염홍기(Hong-Gi Yeom),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2009 한국지능시스템학회 학술발표 논문집 Vol.19 No.2

본 논문에서는 선행 연구를 통해 제안하였던 새로운 분류 알고리즘인 Variance Considered Machines (VCM)을 통해 움직임을 상상할 때 발생된 EEG 신호를 분리하는 실험을 수행하였다. 기존에 가장 많이 사용되고 있는 분류 알고리즘인 SVM과 제안된 VCM으로 데이터를 분류하여 인식률을 비교함으로써 VCM의 우수성을 보였다. 이는 BCI에 직접적으로 활용 가능한 것으로, BCI란 뇌파를 통해 컴퓨터와 같은 시스템을 제어하는 것을 말한다. BCI 시스템의 인식률에 영향을 미치는 요소에는 많은 것이 있지만 본 논문에서는 그 중에서도 가장 중요한 분류 알고리즘을 제안된 알고리즘을 통해 인식률을 향상하는 것을 보였다. 기존 연구를 통해 VCM의 우수성을 이론적 결과와 시뮬레이션 결과로 보였다면 본 논문에서는 실제 데이터의 인식률을 통해 VCM의 실용성을 입증하고자 한다.

EEG 신호의 Power Spectrum을 이용한 사람의 감정인식 방법

염홍기(Hong-Gi Yeom),한철훈(Cheol-Hun Han),김호덕(Ho-Duck Kim),심귀보(Kwee-Bo Sim) 한국지능시스템학회 2008 한국지능시스템학회논문지 Vol.18 No.2

많은 연구자들은 여러 개의 채널을 가진 Electroencephalogram(EEG) 신호를 기반으로 한 사람의 감정인식을 위해 두뇌와 컴퓨터의 인터페이스에 관한 연구를 하고 있다. EEG 신호를 이용한 연구들은 주로 의학 분야와 심리학의 영역에서 간질이나 발작 등을 알아내고 거짓말 탐지기로써의 역할로 많이 사용되어져 왔다. 최근에는 사람의 두뇌와 컴퓨터 간의 인터페이스에 관한 연구들이 뇌파를 이용한 로봇의 제어하거나 게임을 하는 등의 여러 가지 공학적인 접근으로써 많은 연구가 진행되고 있다. 특히, EEG 신호를 통해서 두뇌를 연구하는 분야에서 EEG 신호의 잡음을 제거해서 보다 정확한 신호를 추출하는 연구에도 많이 중점을 두고 있다. 본 논문에서는 사람의 감정에 따른 EEG 신호를 측정하고 측정된 EEG 신호를 5개 부분의 주파수 영역으로 분류하였다. 영역별로 분류된 EEG 신호들은 전체영역에 대한 상대적인 비율의 값으로 계산하게 된다. 그 값들은 Bayesian Networks를 통해서 현제 어떠한 감정을 나타내는지 확률 값으로 나타낸다. 그 결과 값에 따라 사람의 감정은 아바타로 표현하게 된다. Many researchers are studying about human Brain-Computer Interface(BCI) that it based on electroencephalogram (EEG) signals of multichannel. The researches of EEG signals are used for detection of a seizure or a epilepsy and as a lie detector. The researches about an interface between Brain and Computer have been studied robots control and game of using human brain as engineering recently. Especially, a field of brain studies used EEG signals is put emphasis on EEG artifacts elimination for correct signals. In this paper, we measure EEG signals as human emotions and divide it into five frequence parts. They are calculated related the percentage of selecting range to total range. the calculating values are compared standard values by Bayesian Network. lastly, we show the human face avatar as human Emotion.