생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
표제지
Abstract
목차
1. 서론 8
2. 뇌파와 사건관련 전위 12
2.1. 뇌파 (Electroencephalography, EEG) 12
2.2. 사건관련 전위 (Event-related potentials, ERP) 17
3. 분리 모델과 독립성분분석법 20
4. 단일 피크 펄스 원천 분리를 위한 새로운 방법 32
4.1. 개요 32
4.2. 가중 학습비율 (ε[t]ij)(이미지참조) 36
4.3. 비용 함수와 비선형 변환 (∑jψ[t]ij, y[t]ij) (이미지참조) 40
4.4. 최종적인 학습률과 나머지 사항들 45
5. 모의 사건관련 전위 분리 실험 48
5.1. 실험 방법 48
5.2. 실험 결과 50
6. 실제 사건관련 전위의 분석 실험 55
6.1. 실험방법 55
6.1.1. 사건관련 전위의 취득 55
6.1.2. 사건관련 전위의 분석 56
6.2. 실험 결과 57
7. 결론 65
부록 1: 보조그림 자료 68
그림 A1. 피험자 2의 new words 에 의한 등가 쌍극자들(200-650ms). (목표 영역에 쌍극자가 존재함) 68
그림 A2. 피험자 2의 old words 에 의한 등가 쌍극자들(200-650ms). (목표 영역에 쌍극자가 존재하지 않음) 69
그림 A3. 피험자 3의 new words 에 의한 등가 쌍극자들(200-650ms). (목표 영역에 쌍극자가 존재함) 70
그림 A4. 피험자 3의 old words 에 의한 등가 쌍극자들(200-650ms). (목표 영역에 쌍극자가 존재하지 않음) 71
그림 A5. 피험자 4의 new words 에 의한 등가 쌍극자들(200-650ms). (목표 영역에 쌍극자가 존재하지 않음) 72
그림 A6. 피험자 4의 old words 에 의한 등가 쌍극자들(200-650ms). (목표 영역에 쌍극자가 존재하지 않음) 73
그림 A7. 전두엽의 Brodmann 영역들 74
부록 2 : 본문의 영문본 75
1. Introduction 75
2. Electroencephalography and event-related brain potential 78
3. Separation model and independent component analysis 85
4. A new blind separation method for single-peak pulse sources 90
5. Simulated ERP experiment 103
6. Real ERP analysis 109
7. Conclusion 118
참고문헌 121
감사의 글 129
이력서 130
표 1. 오차 각도를 통한 분리 정확도의 비교 (단위:radians) 53
그림 2.1. 사건관련 전위의 평균 효과. 19
그림 3.1. 상호 독립인 2개의 분포의 비직교 혼합의 경우의 ICA와 PCA의 차이점. 22
그림 3.2. 시그모이드 함수에 의한 확률밀도함수의 변환. 27
그림 3.3. ICA에 의한 EEG 내의 잡음제거. 29
그림 3.4. ICA에 의한 중첩 피크 성분 분리시의 문제점. 31
그림 4.1. 한 개의 채널에 대한 가중 학습비율 개형의 예시. 38
그림 4.2. 설계된 비용함수의 오일러 미분방정식의 수치해. 42
그림 4.3. 식(4.14) 혹은 (4.15)에서 정의된 비선형 변환의 h[l]=3(이미지 참조) 일 때의 예시 44
그림 5.1. 제안된 방법과 ICA의 16채널 혼합 신호 분리결과 비교 51
그림 5.2. 제안된 방법과 ICA의 16체널 혼합 신호 분리결과 비교 2 52
그림 6.1. 단어 반복 실험에서 old words와 new words에 의한 4명의 피험자의 평균 사건관련 전위. 58
그림 6.2. 1번 피험자의 old words에 의한 사건관련 전위(200-650ms)의 성분 분리 결과. 59
그림 6.3. 1번 피험자의 new words에 의한 사건관련 전위(200-650ms)의 성분 분리 결과 60
그림 6.4. 1번 피험자의 old words에 의한 사건관련 전위(200-650ms) 성분에 대응하는 등가 쌍극자의 위치(각 쌍극자의 번호는 그림 6.2에 대응 성분과 일치) 62
그림 6.5. 1번 피험자의 new words에 의한 사건관련 전위(200-650ms) 성분에 대응하는 등가 쌍극자의 위치 (각 쌍극자의 번호는 그림 6.3에 대응 성분과 일치) 62
그림 6.6. 제안된 방법을 통해 얻은 new words에 의한 쌍극자 결과. 64
그림 6.7. ICA를 통해 얻은 new words에 의한 쌍극자 결과. 64
초록보기 더보기
In the study of brain functions, the analysis of event-related potentials (ERPs) provides useful information that supplements the knowledge gained from functional magnetic resonance imaging (fMRI), which has a poor time resolution. One of the most important aspects of ERP analysis is the reliable decomposition of the ERPs into functionally distinct peak components, thereby enabling the localization of the equivalent dipole sources corresponding to those components. Thus far, this decomposition has typically been performed through independent component analysis (ICA) or principal component analysis (PCA); however, these methods have fundamental shortcomings for the separation of statistically dependent and mutually correlated peak sources such as those in ERPs. Here a gradient descent method that exploits the physical measures of waveforms in addition to an adaptive peak-searching method for the blind separation of singlepeak-pulse (SPP) components mixed in the ERPs is proposed. In a simulated ERP experiment, it was found that the proposed method separated strongly dependent SPP sources with excellent performance, whereas ICA failed to separate the same sources. To confirm the applicability of the proposed method in a real ERP application, it was applied to real averaged ERP data from a word repetition experiment. The locations of the equivalent dipoles corresponding to the separated components determined by the proposed method were found to agree with the results of previous fMRI studies related to word repetition effects. In contrast, ICA failed to correctly identify the dipole locations.
원문구축 및 2018년 이후 자료는 524호에서 직접 열람하십시요.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요
