사용자 의도 인식을 위한 KoGPT2기반 SSVEP를 활용한 Mind Sentencer 시스템

• 영문명: Mind Sentencer System using KoGPT2-based SSVEP for Intention Recognition
• 발행기관: 한국전자통신학회
• 저자명: 오성택(Seong-Taek Oh) 서태웅(Tae-Woong Seo) 박승민(Seung-Min Park)
• 간행물 정보: 『한국전자통신학회 논문지』제19권 제6호, 1353~1358쪽, 전체 6쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2024.12.31

국문 초록

뇌-컴퓨터 인터페이스(BCI)는 언어 장애가 있는 개인을 돕는 데 유망한 결과를 보여왔다. Mind Speller라는 BCI 시스템은 사용자 의도 인식 기술을 평가하는 동시에 언어 능력을 상실한 사람들을 돕는 데 사용되어 왔다. 본 연구는 Mind Speller를 대규모 언어 모델(LLM) 기술과 통합하여 그 성능을 개선하는 방법을 제안한다. SSVEP 기반 Mind Speller와 한국어 언어 모델 KoGPT-2를 결합함으로써, 기존 Mind Speller에 비해 타이핑 속도를 향상시키는 것을 목표로 한다. 이 연구는 언어 능력을 상실한 개인들에게 실질적인 도움을 제공하고자 하였으며, 언어 장애가 있는 사람들에게 더 효율적이고 정확한 의사소통 도구를 제공할 수 있는 가능성을 모색한다. 본 논문에서 제안한 Mind Sentencer는 기존 Mind Speller보다 67% 향상된 문장 생성속도를 보인다.

영문 초록

Brain-computer interfaces (BCIs) have shown promising results in assisting individuals with speech impairments. A BCI system called Mind Speller has been used to evaluate user intention recognition skills while also helping people with speech impairment. This study proposes a method to integrate Mind Speller with Large Language Model (LLM) techniques to improve its performance. By combining SSVEP-based Mind Speller with Korean language model KoGPT-2, we aim to improve typing speed compared to conventional Mind Speller. This study sought to provide practical assistance to individuals with speech impairment and seeks the possibility to provide more efficient and accurate communication tools to people with speech impairment. The Mind Sentencer proposed in this paper shows 67% improvement in sentence generation speed over the conventional Mind Speller.

목차

Ⅰ. 서 론

Ⅱ. 이론적 배경

Ⅲ. 연구방법

Ⅳ. 연구결과

Ⅴ. 결 론

References

키워드

뇌-컴퓨터 인터페이스 대규모 언어 모델 사용자 의도 인식 정상상태 시각유발 전위 BCI(Brain Computer Interface) Intention Recognition KoGPT-2 LLM SSVEP

참고문헌

• Electroencephalography and Clinical Neurophysiology
• IEEE Transactions on Biomedical Engineering
• Proc. 2nd International IEEE EMBS Conference on Neural Engineering
• Journal of Neuroscience Methods
• Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing: System Demonstrations
• IEEE Access
• ACM Computing Surveys
• IEEE Access