초록
정밀한 주파수 대역과 채널을 규명하기 위해 본 논문에서는 긍정, 중립, 부정의 세 가지 정서를 기반으로 한 EEG 기반 정서 인식 모델을 구축하기 위해 깊은 신뢰망(Deep Belief Networks, DBNs)을 도입한다. 본 연구에서는 15명의 피험자로부터 수집한 EEG 데이터셋을 개발하였으며, 각 피험자는 며칠 간격을 두고 두 번씩 실험을 수행하였다. DBNs는 다중채널 EEG 데이터로부터 추출한 차분 엔트로피 특징을 이용하여 학습되었다. 학습된 DBNs의 가중치를 분석하여 중요한 주파수 대역과 채널을 탐색하였다. 4채널, 6채널, 9채널, 12채널의 네 가지 다른 채널 프로파일을 선택하여 평가하였으며, 이들 프로파일의 정확도는 비교적 안정적이었고, 최고 정확도는 86.65%에 달하여 원래의 62채널보다도 높은 성능을 보였다. 학습된 DBNs의 가중치를 활용하여 도출한 주요 주파수 대역과 채널은 기존의 관측 결과와 일치함을 확인하였다. 또한, 실험 결과는 다양한 정서에 관련된 신경 서사(signatures)가 실제로 존재하며, 세션 간 및 개인 간에 공통적인 특성을 공유함을 보여주었다. 깊은 모델과 얕은 모델의 성능을 비교한 결과, DBN, SVM, LR, KNN의 평균 정확도는 각각 86.08%, 83.99%, 82.70%, 72.60%로 나타났다.