다단계 생성 모델
- 통계 기반 — 빠르고 제어가 쉬움
- 잠재 동역학 기반 — 시간 구조를 재현
- 신경망 시뮬레이션 — 생성 기전까지 모사
- 모든 모델이 동일한 인터페이스로 교체 가능
← PORTFOLIO · TEST AUTOMATION
검증을 통과하지 못한 합성 데이터는,
합성 신경신호 생성·검증 툴킷
검증을 통과하지 못한 합성 데이터는,
내보내지 않습니다
신호 분류·디코딩 알고리즘을 검증하려면 정답을 아는 데이터가 필요합니다. 실측은 정답 라벨이 없고 원하는 조건을 만들 수도 없습니다. 이 툴킷은 그럴듯하기만 한 데이터를 만들지 않기 위해 생성물이 실측 통계와 얼마나 맞는지 자동으로 판정하고, 기준을 넘긴 것만 데이터셋으로 내보냅니다.
- 다단계 생성 모델
- 전극 · 잡음 모사
- 자동 검증 게이트
- 스트레스 시나리오 + 정답 라벨
- 표준 포맷 패키징
생성 결과 — 채널별 발화 시점
생성 모델·전극 구성·시나리오를 바꿔가며 원하는 조건의 데이터를 만듭니다.
검증 게이트 — 통과해야 내보냅니다
하나라도 실패하면 데이터셋 반출이 차단됩니다.
스트레스 시나리오 — 조건을 악화시키며 알고리즘을 시험
각 시나리오는 어떤 조건을 얼마나 바꿨는지 정답 라벨과 함께 저장됩니다.
※ 화면은 실제 구동 화면을 재구성한 예시이며, 표시된 값은 샘플입니다.
01 — HOW IT WORKS
생성 → 검증 → 패키징이 한 번의 실행으로
검증에서 실패하면 그 자리에서 멈춥니다. 통과하지 못한 데이터가 흘러나가지 않도록 설계했습니다.
-
STEP 01
기준 통계 확보
공개 실측 데이터에서 비교 기준이 될 통계를 추출합니다. 실측을 쓸 수 없는 환경에서는 문헌 기반 기준으로 대체합니다.
-
STEP 02
신호 생성
목적에 맞는 생성 모델을 골라 신호를 만듭니다. 통계 기반, 잠재 동역학 기반, 신경망 시뮬레이션 중에서 선택합니다.
-
STEP 03
측정계 모사
전극 배열의 기하와 파형, 잡음·드리프트·채널 고장·양자화까지 실제 측정 장비를 거친 것처럼 신호를 변형합니다.
-
STEP 04
자동 검증
기준 통계와 대조해 여러 항목을 한 번에 판정하고, 결과를 통과·실패로 명확히 구분합니다.
-
STEP 05
정보 구조 확인
통계만 맞고 실제로는 정보가 없는 데이터를 걸러냅니다. 디코딩 성능이 실측과 비슷한 범위에 있는지까지 확인합니다.
-
STEP 06
패키징
통과한 데이터만 표준 포맷으로 내보내고, 검증 리포트와 시나리오 명세를 함께 묶습니다.
02 — FEATURES
그럴듯한 데이터와 쓸 수 있는 데이터를 구분합니다
측정계 모사
- 전극 배열 기하에 따른 신호 전달
- 배경 잡음·기준선 변동 주입
- 전극 이동에 따른 파형 변화
- 채널 소실 및 양자화 효과
검증 게이트
- 기준 통계와의 스칼라·분포 비교
- 디코딩 성능이 실측 범위에 있는지 확인
- 임계값을 설정 파일 한 곳에서 관리
- 실패 시 반출 차단, 우회 시 리포트에 명시
스트레스 시나리오
- 드리프트·잡음·채널 고장 조건 스윕
- 알고리즘이 무너지는 지점 탐색
- 변형 내용을 정답 라벨로 함께 저장
패키징 · 리포트
- 표준 데이터 포맷으로 내보내기
- 검증 결과를 그래프가 포함된 리포트로 생성
- 시나리오 명세 파일 동봉
작업 환경
- 명령줄과 대시보드가 동일한 산출물 생성
- 생성·검증·탐색을 화면에서 바로 확인
- 단일 계정 인증 + 유휴 시간 초과 로그아웃
03 — SCREENS
왜 통과했고 왜 막혔는지가 보입니다
파이프라인 실행
생성부터 패키징까지 세 단계가 순서대로 실행됩니다. 검증에서 막히면 그 단계에서 중단되고 사유가 남습니다.
[gen ] 생성 모델 잠재 동역학 [gen ] 채널 96 · 구간 600s [elec ] 전극 모사 · 잡음 주입 [valid] 통계 항목 6/6 통과 [valid] 디코딩 패리티 통과 [pack ] 데이터셋 + 리포트 생성 [done ] PASS — 반출 허용
산출물데이터 · 리포트 · 명세
검증 리포트
항목별 판정과 기준 대비 위치가 함께 표시됩니다. 실패 항목은 어떤 지표가 얼마나 벗어났는지 바로 확인할 수 있습니다.
통계 기반 모델전 항목 통과
잠재 동역학 모델전 항목 통과
신경망 시뮬레이션일부 미달
신경망 모델 — 미달 항목
발화 간격 분포기준 초과
디코딩 성능 격차경계값
04 — ARCHITECTURE
계층을 나눠, 바꿀 것만 바꿉니다
생성·측정계·검증·시나리오·패키징이 분리돼 있어 한 계층만 교체해도 나머지가 그대로 동작합니다.
- 구현Python 3.11+
- 수치 계산NumPy · SciPy
- 학습 · 가속PyTorch · GPU 선택 실행
- 설정 관리계층형 설정 · 그룹 오버라이드
- 데이터 포맷공개 표준 포맷 export
- 리포트그래프 포함 HTML
- 화면대시보드 · 인증 게이트
- 운영Linux · systemd · Nginx
할 수 있는 것과 없는 것을 먼저 밝힙니다
이 데이터는 연구·벤치마크용 합성 데이터입니다. 실측을 대체하지 않으며, 임상이나 의료기기 용도로 만들어지지 않았습니다.
검증 게이트에서 일부 생성 모델이 특정 항목을 통과하지 못하는 경우, 그 사실을 감추지 않고 리포트에 그대로 남깁니다. 어떤 조건에서 쓸 수 있고 어떤 조건에서 못 쓰는지가 데이터와 함께 전달되어야 하기 때문입니다.
05 — USE CASES
정답을 아는 데이터가 필요할 때
정답 라벨이 붙은 데이터로 성능을 측정하고, 조건별 한계를 파악합니다.
드리프트와 잡음이 심해지는 상황에서 분류 성능이 어디서 무너지는지 확인합니다.
측정 장비 앞단 설계를 실제 신호를 얻기 전에 시험할 수 있습니다.
동일 조건에서 여러 알고리즘을 비교할 수 있는 공통 시험 데이터를 만듭니다.