o0y0o

8일차: 선형 분류 모델1. SVM 개념SVM이란?SVM은 데이터를 두 클래스(또는 다중 클래스)로 구분하는 초평면(Hyperplane)을 찾는 알고리즘이다.초평면은 두 클래스 간 거리를 최대화하는 방향으로 위치하며, 선형적으로 분리되지 않는 경우 커널(Kernel) 트릭을 사용하여 고차원 공간에서 선형 분리가 가능하게 한다. SVM의 주요 개념초평면(Hyperplane)데이터를 분류하는 경계선(또는 경계면).초평면의 방정식은 w⋅x+b=0마진(Margin)초평면과 가장 가까운 데이터 포인트(서포트 벡터) 간 거리.SVM은 이 마진을 최대화하여 분류 성능을 향상시킴.서포트 벡터(Support Vector)초평면 근처에 위치한 데이터 포인트로, 초평면을 정의하는 데 중요한 역할을 함.커널(Kernel) 트..

7일차: Common Spatial Pattern (CSP) 알고리즘 (25-01-30)1. EEG 분석에서 CSP를 사용하는 이유CSP란?https://what-i-want-to-do.tistory.com/66해당 게시물에서 이미 설명한 바와 같이, EEG와 같은 데이터를 두 개 이상의 클래스로 분류하기 위해 공간적 특징을 추출하는 알고리즘이다.주로 BCI에서는 좌/우 손 움직임 분류와 같은 작업에 사용된다.CSP를 사용하는 이유1. 뇌파 데이터의 공간적 분포 활용    EEG 신호는 전극의 공간적 분포에 따라 변하는데, CSP는 이를 최적화해 특정 클래스 간 차이를 극대화.2. 특정 주파수 대역에서의 차이 강조    좌/우 손 움직임 같은 작업에서는 특정 주차수 대역에서 신호가 다르게 나타나며, CS..

6일차: 특징 추출 및 분석 (25-01-28)1. Power Spectral Density (PSD) 개념PSD란?신호의 주파수 성분별 에너지 분포를 나타내는 분석 방법.신호가 각 주파수 대역에서 얼마나 많은 파워(에너지)를 가지는지를 정량적으로 보여줌.단위: 보통 μV^2/Hz 또는 V^2/Hz.PSD 사용 이유주파수 대역별 신경 활동 분석EEG의 Delta, Theta, Alpha, Beta, Gamma 대역에서의 각 대역의 에너지 크기를 분석.신호의 주파수 특성 시각화신호가 특정 주파수에서 강한 성분을 가지는지 확인 가능.노이즈나 특정 패턴 감지 가능.주파수 대역의 특징 추출머신러닝 학습 떄 사용되는 특징으로 활용 가능.PSD 계산 방법여러 가지 방법이 있지만, EEG에서는 보통Welch’s Me..

5일차: EEG 데이터의 시간 및 주파수 분석 (25-01-27)1. 시간 영역(Time-domain) 분석시간 영역 분석이란?정의시간에 따라 변화하는 신호의 진폭(amplitude)을 시각적으로 분석하는 방법.EEG 데이터를 분석할 떄, 신호의 진폭, 파형, 시간적 패턴을 관찰할 수 있음.특징EEG 데이터의 크기와 변화를 직관적으로 볼 수 있음.특정 구간에서 발생하는 이벤트(ex. 눈 깜박임, 근육 움직임) 등을 확인 가능.시간 영역 분석의 목적신호 품질 확인: 눈에 띄는 노이즈가 있는지 시간적으로 확인할 수 있음.특정 이벤트 식별: 시간에 따른 큰 진촉 변화난 특정 패턴 확인할 수 있음.2. 주파수 영역(Frequency-domain) 분석주파수 영역 분석이란?정의신호를 주파수 성분으로 변환하여, 각..

4일차: EEG 신호의 전처리 II (25-01-25)1. 아티팩트 제거 개념아티팩트란?정의아티팩트(artifact)는 EEG 신호에 포함된 비뇌파 신호로, 분석에 방해가 되는 잡음이기에 부가적인 제거가 필요함.아티팩트의 종류Eye Blink (EOG)눈 깜박임으로 인한 신호.보통 전두엽(Frontal, Fp1, Fp2)에 영향을 미쳐 큰 진폭으로 나타남.근전도 (EMG)근육 움직임에 의한 신호.주로 30 Hz 이상에서 강하게 나타남.전력선 노이즈주변 전기 기기나 전력선에서 발생하는 일정한 주파수의 신호.50 Hz(또는 60 Hz)에서 발셍힘.전극 접촉 불량전극이 두피에 제대로 접촉하지 않아 발생하는 느리고 큰 폭의 신호.아티팩트 제거 방법필터링전력선 노이즈와 같은 특정 주파수 제거.3일차에서 다룬 Ba..

3일차: EEG 신호 전처리 I (25-01-24)1. 신호 필터링의 기본 개념왜 필터링이 필요한가?EEG 신호는 두피에서 측정한 미세 전압으로, 주변 환경 노이즈나 생체아티팩트(근전도, 눈 깜박임 등) 때문에 잡음이 들어갈 수 있음.원하는 주파수 범위의 신호만 추출하거나 특정 잡음 주파수를 제거하기 위해 필터를 사용.디지털 신호 처리 필터 유형IIR 필터 (Infinite Impulse Response Filter)IIR 필터는 출력 신호가 이전 출력값에 의존하는 피드백(Feedback) 구조를 지님.이 필터의 임펄스 응답(Impulse Response)이 무한히 길게 이어질 수 있기에 Infinite Impulse Response라고 불림.효율적이고 계산량이 적지만 위상 왜곡의 가능성이 존재함.FIR..