EEG는 뇌 활동을 모니터링하는 데 사용되는 비침습적 기법이지만, 낮은 신호 대 잡음비(SNR)로 인해 활용도가 종종 저하됩니다. 기존의 잡음 제거 방법은 수동 개입이 필요하거나, 필터링/재구성 과정에서 중요한 신경 특징을 억제할 위험이 있습니다. 이 문제를 해결하기 위해, 본 논문에서는 Keras TensorFlow (v2.15.1)을 사용하여 개발된, 교차 피험자 전이 학습을 통한 EEG 부분 공간 재구성을 위한 경량 Gen-AI 프레임워크인 EEGReXferNet을 소개합니다. EEGReXferNet은 인접 채널 간의 용적 전도, 대역별 컨볼루션 인코딩, 슬라이딩 윈도우를 통한 동적 잠재 특징 추출을 활용하는 모듈식 아키텍처를 사용합니다. 참조 기반 스케일링을 통합하여, 연속적인 윈도우 간의 연속성을 보장하고 피험자 간 효과적으로 일반화합니다.
