뇌 인코딩·디코딩을 위한 경량 정렬 프레임워크와 통계 학습

초록

본 논문은 제한된 fMRI‑이미지 쌍 데이터와 피험자 간 이질성을 극복하기 위해, 인코더·디코더는 고정한 채 정렬 단계만을 경량화한 두 가지 통계 학습 기법—역반지도 학습(Inverse Semi‑Supervised Learning)과 메타 전이 학습(Meta Transfer Learning)—을 제안한다. 이론적으로 유한표본 일반화 경계와 안전성 보장을 제공하며, 대규모 fMRI‑이미지 재구성 벤치마크에서 경쟁력 있는 성능을 입증한다.

상세 분석

이 연구는 뇌‑컴퓨터 인터페이스 분야에서 ‘정렬(alignment)’ 단계가 가장 통계적으로 다루기 쉬운 구조임을 전제로, 전체 파이프라인 중 이 단계만을 목표로 한다. 먼저, 입력‑출력 관계를 $f^*(X)=\mathbb{E}