WIMI 홀로그램(NASDAQ: WIMI)은 뇌-컴퓨터 인터페이스를 기반으로 BCI 게임 모델 및 패러다임을 개발합니다.

2023-05-15 10:48:43 작성자 : 송준이

최근 몇 년 동안 뇌-컴퓨터 인터페이스(BCI) 기술이 급속히 발전함에 따라 과학 연구자들도 뇌-컴퓨터 인터페이스(BCI) 기술을 엔터테인먼트 게임에 통합하고 심층적인 연구를 수행했습니다. -컴퓨터 인터페이스(BCI) 기술도 엔터테인먼트의 한 형태가 될 수 있습니다. 현재 대부분의 BCI 게임은 컨트롤 성능이 좋지 않거나 쉽게 피로해지는 등의 문제로 인해 널리 대중화되지 못하고 있습니다. 지난 몇 년 동안 게임 상호 작용에서 BCI 기술의 인기가 높아지고 있음을 보여주는 많은 연구가 수행되었습니다. 이전 연구의 BCI 게임 중에서 EEG(EEG) 신호를 사용한 게임으로는 P300 전위, SSVEP(정상상태 시각적 유발 전위), MI(운동상상)가 가장 많이 사용되었습니다. P300의 안정성으로 인해 피로감이 덜하고 사용자에게 특별한 교육이 필요하지 않습니다. 따라서 WIMI 홀로그램(NASDAQ: WIMI)은 P300 뇌-컴퓨터 인터페이스를 사용하여 실현 가능하고 자연스러운 게임 실행 경험을 위해 실제 환경에서 뇌파(EEG) 신호의 사용을 탐색하는 게임 모델을 설계합니다.

WIMI 홀로그램의 연구 혁신은 BCI 게임과 패러다임 디자인의 통합, 게임 규칙과 BCI 시스템의 특성을 통합하는 데 있습니다. CNN(Convolutional Neural Network) 알고리즘을 도입하면 훈련 샘플에서 높은 정확도를 얻을 수 있습니다. BCI 시스템은 엔터테인먼트의 한 형태일 뿐만 아니라 게임 운영의 다양성을 높여줍니다.

지난 10년 동안 딥러닝은 컴퓨터 비전, 자연어 처리, 음성 처리 등 다양한 분야에서 빠르게 발전했습니다. 이미지 분류에서 연구자들은 높은 정확도를 달성하는 몇 가지 새로운 심층 아키텍처를 제안했습니다. 최근에는 P300 탐지에 CNN(컨벌루션 신경망)이 사용되었습니다. CNN을 사용하여 P300 EEG 신호를 식별하고 분류하면 좋은 결과를 얻을 수 있습니다. 모델의 일반화 능력을 향상시키기 위해 최첨단 P300 신호 분류 및 문자 인식 기능이 구현되었습니다. 작은 데이터 세트에서는 과적합이 발생하므로 비선형 데이터를 훈련하려면 큰 데이터 세트를 사용해야 합니다. 이때 CNN을 사용하는 것이 매우 적합합니다. 그러나 실제 적용에서 많은 양의 훈련 데이터를 수집하는 것은 매우 어렵습니다. 따라서 우리는 작은 훈련 데이터 세트에서 최첨단 P300 신호 분류 및 문자 인식을 달성하기 위해 CNN(컨볼루션 신경망) 기반의 새로운 아키텍처를 제안합니다.

WIMI(NASDAQ: WIMI)는 CNN을 기반으로 P300 BCI 게임 모델을 설계하고 소규모 데이터 세트를 학습할 때 과적합 문제를 해결하기 위해 베이지안 딥러닝 기반 알고리즘을 제안했습니다. P300 기반 BCI 게임 모델을 성공적으로 적용하고 온라인 BCI 시스템을 위한 딥러닝 알고리즘에 대한 적용 가능성을 입증함으로써 결론을 도출합니다.

CNN BCI 게임 모델을 기반으로 한 WIMI 홀로그램 시스템 프레임워크에는 데이터 수집 부분, 데이터 처리 부분, 시각적 및 게임 터미널이라는 세 가지 하위 시스템이 포함되어 있습니다. 데이터 수집 부분에서는 전극 캡과 증폭기를 사용하여 다중 채널 두피 EEG 신호를 기록합니다. 신호가 전처리된 후 데이터 처리 프로세스는 오프라인 교육과 온라인 분류 테스트의 두 단계로 나눌 수 있습니다. 마지막으로 분류 결과는 동작 명령으로 변환되어 시각 및 게임 단말로 전송됩니다. 시각 및 게임 단말기는 (1) 자극 전략이 업데이트된 후 사용자에게 시각적 자극을 제공하는 단계와 (2) 사용자에게 시각적 피드백(출력 좌표)을 제공하는 두 가지 하위 단계로 구성됩니다.

EGG 데이터 수집 및 전처리

WIMI 홀로그램은 32채널 커패시터와 증폭기를 사용하여 비침습적으로 EEG 데이터를 기록하고 1000Hz에서 디지털화하며 50Hz 노치 필터로 필터링하는 CNN BCI 게임 모델을 기반으로 합니다. 모든 전극 데이터를 수집합니다. 가장자리 효과 필터링의 영향을 줄이기 위해 기록된 데이터가 먼저 필터링됩니다. 대역 통과 필터를 사용하면 각 채널의 EEG 신호를 처리하여 자극 트리거 후 P300 신호의 주요 정보를 추출할 수 있습니다. 그런 다음 데이터가 다운샘플링됩니다. 동일한 문자의 데이터 행렬을 쌓아 평균화하여 신호 대 잡음비를 줄입니다.

CNN 아키텍처

WIMI 홀로그램 CNN BCI 게임 모델을 기반으로 BCI 신호를 전처리한 후 데이터 처리 부분은 오프라인 훈련과 온라인 분류의 두 단계로 나눌 수 있습니다. CNN은 역전파의 가중치를 샘플링할 수 있는 신경망 가중치의 사후 분포를 학습하는 데 사용되는 변형 추론 방법인 베이지안 역전파를 기반으로 합니다. 예를 들어, 각 가중치 매개변수를 가우스 분포로 모델링하면 원래 가중치 값은 가우스 분포의 평균과 표준편차로 표현될 수 있습니다. 그런 다음 변형 추론을 통해 사후가 계산됩니다.

CNN의 컨볼루션 계층은 컨볼루션 작업을 위해 가중치 값이 있는 컨볼루션 커널을 사용해야 합니다. 컨볼루션 커널의 각 가중치 매개변수는 가우스 분포 형태로 표현됩니다. 일정한 가중치 값을 얻기 위해서는 샘플링을 위해 가우스 분포를 사용해야 합니다. 따라서 샘플링 프로세스에서는 무거운 매개변수화 기술을 사용하여 샘플링 프로세스를 앞에 두므로 네트워크의 순방향 전파가 파생되고 역전파 프로세스 중에 가중치가 업데이트됩니다. 컨볼루션 커널 가중치 분포에서 특정 가중치 값을 추출하여 컨볼루션 커널을 생성한 후, 수용 필드에 대해 컨볼루션 연산을 수행한다.

BCI(Brain-Computer Interface)는 사람과 주변 환경 사이의 통신 경로를 설정할 수 있는 색다른 통신 방법입니다. 처음에는 BCI 기술이 임상 현장에서 환자가 외부 세계와 직접 명령을 보내 상호 작용을 재개할 수 있도록 돕기 위해 사용되었습니다. 두뇌에서 컴퓨터로. 이제 BCI 기술은 임상 응용 외에도 엔터테인먼트 게임에서도 실험 및 적용되고 있습니다. BCI 기술은 게임에 대한 입력을 제공하여 중간 장치(마우스, 키보드, 게임 패드 및 게임 컨트롤러)에 대한 의존성을 없애는 데 자주 사용됩니다. WIMI는 CNN BCI 게임 모델을 기반으로 건강한 사용자와 장애인 사용자 모두의 이익을 만족시킬 수 있는 플랫폼을 구성합니다. 건강한 사용자에게 BCI 게임은 기술과 미스터리로 가득 차 있어 게임의 매력을 높이고 게임 홍보에 도움이 됩니다. BCI 게임은 장애인 사용자에게 건강한 사용자와 동일하게 게임을 플레이할 수 있도록 할 뿐만 아니라 환자의 재활 훈련을 돕는 기능적 재활 시스템 역할을 하는 공정한 게임 플랫폼을 제공합니다. 엔터테인먼트 게임에 BCI 기술을 적용하는 것은 과학 연구 단계에서 실제 응용 시장 단계로 나아가는 중요한 단계입니다.

위 내용은 WIMI 홀로그램(NASDAQ: WIMI)은 뇌-컴퓨터 인터페이스를 기반으로 BCI 게임 모델 및 패러다임을 개발합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!