정보처리학회 논문지 소프트웨어 및 데이터 공학
Current Result Document :
| 한글제목(Korean Title) |
1D CNN과 기계 학습을 사용한 낙상 검출 |
| 영문제목(English Title) |
1D CNN and Machine Learning Methods for Fall Detection |
| 저자(Author) |
김인경
김대희
노송
이재구
Inkyung Kim
Daehee Kim
Song Noh
Jaekoo Lee
|
| 원문수록처(Citation) |
VOL 10 NO. 03 PP. 0085 ~ 0090 (2021. 03) |
한글내용
(Korean Abstract) |
본 논문에서는 고령자를 위한 개별 웨어러블(Wearable) 기기를 이용한 낙상 감지에 대해 논한다. 신뢰할 수 있는 낙상 감지를 위한 저비용 웨어러블 기기를 설계하기 위해서 대표적인 두 가지 모델을 종합적으로 분석하여 제시한다. 기계 학습 모델인 의사결정 나무(Decision Tree), 랜덤 포래스트(Random Forest), SVM(Support Vector Machine)과 심층 학습 모델인 일차원(One-Dimensional) 합성곱 신경망(Convolutional Neural Network)을 사용하여 낙상 감지 학습 능력을 정량화하였다. 또한 입력 데이터에 적용하기 위한 데이터 분할, 전처리, 특징 추출 방법 등을 고려하여 검토된 모델의 유효성을 평가한다. 실험 결과는 전반적인 성능 향상을 보여주며 심층학습 모델의 유효성을 검증한다.
|
영문내용
(English Abstract) |
In this paper, fall detection using individual wearable devices for older people is considered. To design a low-cost wearable device for reliable fall detection, we present a comprehensive analysis of two representative models. One is a machine learning model composed of a decision tree, random forest, and Support Vector Machine(SVM). The other is a deep learning model relying on a one-dimensional(1D) Convolutional Neural Network(CNN). By considering data segmentation, preprocessing, and feature extraction methods applied to the input data, we also evaluate the considered models’ validity. Simulation results verify the efficacy of the deep learning model showing improved overall performance.
|
| 키워드(Keyword) |
기계 학습
심층 학습
낙상 검출
1차원 합성곱 신경망
Machine Learning
Deep Learning
Fall Detection
1D Convolutional Neural Network
|
| 파일첨부 |
PDF 다운로드
|
