부산대학교 도서관

Recently, brain-computer interface-based odor detection technologies have been introduced based on the fact that the hemodynamic responses of rodent olfactory bulbs appear differently depending on odorants. However, in order to use the technology for odor detection, it is necessary to confirm and verify the judgment basis of the machine learning algorithm. In this paper, it is intended to verify the feasibility of machine learning explanations using partial dependency analysis and Shapley values. For this purpose, six features of mean, variance, peak, kurtosis, skewness, and slope are extracted from the hemodynamic response signal recorded from the rodent olfactory bulb, and data analysis is performed by calculating the partial dependence analysis technique and Shapley value. As a result of the analysis, in the selected model, slope and peak appeared as important factors, and kurtosis and skewness had relatively low importance.
최근 냄새 물질에 따라 설치류 후각구의 혈역학적 반응이 다르게 나타나는 점에 착안한 뇌-컴퓨터 인터페이스 기반 냄새 탐지 기술이 선보인 바있다. 하지만, 해당 기술을 냄새 탐지에 활용하기 위해서는 머신러닝 알고리즘의 판단 근거를 확인하고 검증할 필요가 있다. 본 연구에서는 부분 의존성 분석과 섀플리 값(Shapley value)을 이용하여 머신러닝 분류기의 설명 가능성을 검증하였다. 이를 위해 설치류 후각구에서 기록된 혈역학적 반응 신호로부터 평균, 분산, 피크, 첨도, 왜도, 기울기의 6가지 피처를 추출하고, 부분 의존성 분석 기법과 섀플리 값을 통해 분류기의 동작을 분석하였다. 분석 결과, 선정된 모델은 기울기와 피크는 중요한 인자로 사용하며 첨도와 왜도는 상대적으로 낮은 중요도를 갖는 것을 확인하였다.