엣지 디바이스를 위한 영 가중치 인지 LSTM 기반의 동작상상 뇌전도 분류기Zero-weight aware LSTM based edge-level motor imagery EEG classifier on FPGA
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | 김철 | - |
| dc.contributor.advisor | Kim, Chul | - |
| dc.contributor.author | 유승재 | - |
| dc.date.accessioned | 2023-06-22T19:32:13Z | - |
| dc.date.available | 2023-06-22T19:32:13Z | - |
| dc.date.issued | 2023 | - |
| dc.identifier.uri | http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=1032735&flag=dissertation | en_US |
| dc.identifier.uri | http://hdl.handle.net/10203/308368 | - |
| dc.description | 학위논문(석사) - 한국과학기술원 : 바이오및뇌공학과, 2023.2,[v, 37 p. :] | - |
| dc.description.abstract | 뇌-컴퓨터 인터페이스가 성공적으로 구축되고 실생활에 이용되기 위해서는 첫째로 뇌신호를 사용자의 의도 에 맞게 분류할 수 있는 정확한 분류기가 필요하고, 둘째로 해당 분류기가 이동성이 뛰어난 모바일 기기로 구현되어야 한다. 본 학위 논문에서는 LSTM 네트워크를 이용하여 높은 정확도를 보이는 동작상상 뇌전도 분류기를 구축하고, 그 분류기를 엣지 디바이스인 FPGA에 구현하였다. 그 과정 중에 최적화 방법으로 영 가중치 인지 개념을 제안하고 탑재하여 높은 정확도를 가지면서도 엣지 디바이스에서 가속화된 연산을 보이는 영 가중치 인지 LSTM 기반의 동작상상 뇌전도 분류기를 구현하였다. | - |
| dc.language | kor | - |
| dc.publisher | 한국과학기술원 | - |
| dc.subject | 장단기 메모리 네트워크▼aFPGA▼a하드웨어 분류기▼a뇌전도 | - |
| dc.subject | LSTM▼aFPGA▼aHardware classifier▼aEEG | - |
| dc.title | 엣지 디바이스를 위한 영 가중치 인지 LSTM 기반의 동작상상 뇌전도 분류기 | - |
| dc.title.alternative | Zero-weight aware LSTM based edge-level motor imagery EEG classifier on FPGA | - |
| dc.type | Thesis(Master) | - |
| dc.identifier.CNRN | 325007 | - |
| dc.description.department | 한국과학기술원 :바이오및뇌공학과, | - |
| dc.contributor.alternativeauthor | Yoo, Seungjae | - |
- Appears in Collection
- BiS-Theses_Master(석사논문)
- Files in This Item
- There are no files associated with this item.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.