PyTorchKR Papers

최신 논문

총 4편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.08007v1eess.SP

위상 nSCR 특징을 이용한 스트레스 감지를 위한 단위 독립적 저속 손목 GSR 처리

Unit-Independent Low-Rate Wrist GSR Processing for Stress Detection Using Phasic nSCR Features

손목 기반 GSR(피부 전기 반응)과 손바닥 기반 측정 간의 절대 진폭 불일치 문제를 해결하기 위해, 강건한 z-점수 정규화와 위상성 SCR 피크 검출을 결합한 단위 독립적 저속 GSR 처리 파이프라인을 제안하며 분당 피부 전도 반응 횟수(nSCR/min)를 스트레스 특징으로 추출한다. 31명의 참가자를 대상으로 Trier Social Stress Test(TSST)를 포함한 다양한 과제에서 검증한 결과, 25Hz 손목 GSR에 랜덤 포레스트를 적용해 TSST 대비 기준선 분류에서 균형 정확도 0.823~0.871을 달성하였으며, 25Hz 데이터가 원본 100Hz와 동등한 성능을 보여 웨어러블 스트레스 감지의 실용 가능성을 입증하였다.

arXiv:2607.01279v1cs.LG

I\textsuperscript{2}RiMA: Spectral Riemannian Representation with Temporal Attention for Mental Stress Detection based on EEG Signals

EEG 기반 피험자 간(cross-subject) 정신 스트레스 감지를 위해, I²RiMA는 각 주파수 포인트별로 공분산 행렬을 독립적으로 구성하여 SPD 탄젠트 공간에 매핑하는 주파수 인식 리만 다양체(Riemannian manifold) 표현과, EEG 슬라이스 내부 및 슬라이스 간 시간적 의존성을 동시에 포착하는 인트라-인터 슬라이스 어텐션 융합 모듈을 결합한 네트워크를 제안한다. 세 개의 데이터셋 실험에서 기존 최고 성능 기법들을 일관되게 능가하며 최대 82.78%의 균형 정확도를 달성했고, 1.60M 파라미터와 31.95M FLOPs의 경량 구조를 유지한다.

arXiv:2606.26723v1eess.SP

감정 및 스트레스 인식을 위한 상태별 호흡 특징: 해석 가능한 호흡 마커, 자기상관 지연 및 경량 CNN 모델

State-Specific Respiratory Signatures for Affective and Stress Recognition: Interpretable Respiratory Markers, Autocorrelation Lags, and Compact CNN Models

WESAD 데이터셋 흉부 호흡 신호를 60초 윈도우와 피험자-제외 검증으로 분석해, 경량 1D-CNN과 해석 가능한 호흡 특징(자기상관 전환 지연 Zpm/Zmp 포함)을 병행해 스트레스·감정 상태 인식을 예측과 설명 문제로 함께 다룬다. 원시 신호 CNN은 스트레스 대 비스트레스 탐지에서 정확도 96.72%·MCC 90.61%로 가장 우수했고, 경량 특징 모델은 특히 명상(MCC 88.65%) 등 비스트레스 상태에서 더 강한 상태별 마커를 제공한다.

arXiv:2606.24985v1cs.LG

Retrieval-Augmented Personalization with Foundation Models for Wearable Stress Detection

웨어러블 기반 스트레스 감지에서 개인 간 생리적 반응 차이로 인한 개인화(personalization) 문제를 해결하기 위해, 라벨링된 사용자 데이터 없이 동결된 외부 도메인 파운데이션 모델로 유사 패턴을 검색해 경량 transformer에 주입하는 검색-증강 개인화(retrieval-augmented personalization) 방식을 제안한다. WESAD 데이터셋에서 비개인화 baseline 대비 정확도 +3.92%, macro F1 +4.76% 향상을 달성했으며, K-Emocon 임베딩을 활용한 크로스 데이터셋 검색 시나리오에서도 효과를 입증했다.