본 논문은 운동 상상 EEG 신호의 정확하고 해석 가능한 분류를 목표로, 투명한 퍼지 추론 접근 방식(ANFIS-FBCSP-PSO)과 딥러닝 벤치마크(EEGNet)를 BCI Competition IV-2a 데이터셋을 사용하여 비교 연구합니다. ANFIS는 필터 뱅크 공통 공간 패턴 특징 추출과 입자 떼 최적화를 통해 최적화된 퍼지 IF-THEN 규칙을 결합하며, EEGNet은 원시 EEG 데이터로부터 계층적 공간-시간적 표현을 직접 학습합니다. 개별 피험자 내 실험에서 퍼지 신경 모델이 더 나은 성능을 보였고, 피험자 간 실험에서는 딥러닝 모델이 더 강한 일반화 성능을 보였습니다.
