도움말

콘볼루션 신경망을 이용한 센서 데이터로부터의 행동 유형 파악과 효과적인 센서 데이터 압축

Activity Prediction from Sensor Data using Convolutional Neural Networks and an Efficient Compression Method
정보과학회논문지 제45권 제6호, 2018.6, 564-571 (8 pages)
DOI :10.5626/JOK.2018.45.6.564
인용정보 복사
Quick View Quick View
구매하기 6,000원
인용하기
이용수 : 27건
피인용수 : 0건
분야내 활용도 : 15%
자세히 보기 >

· 이용수 : 2010년부터 집계한 원문다운로드수

· 피인용수 : DBpia 논문 가운데 해당 논문을 인용한 논문수

· 분야내 활용도 : 최근 24개월간 DBpia 이용수를 기준으로 산출 / 0%에 가까울 수록 활용도가 높고, 100%에 가까울 수록 활용도가 낮음

초록
건물 내 IoT 시스템을 이용한 재실자의 수 및 행동 유형 파악은 스마트 냉/난방 시스템 등에 사용되어 전력 효율을 개선시키고 비용 절감에 도움되는 중요한 문제이다. 실제 건물 관리 시스템에서는 카메라 등의 장비를 이용하여 방 안의 현황을 파악하고 재실자의 수와 행동 유형을 직접 파악하는 방법 등이 사용되고 있다. 이 방법으로 사람 수와 행동 유형을 파악하는 것은 비효율적일뿐만 아니라 데이터를 위한 방대한 저장 공간이 필요하다. 본 연구에서는 적외선 그리드 아이 센서와 소음 센서를 이용하여 실내 센서 데이터를 수집하였다. 또한 이 데이터를 토대로 재실자 수와 행동 유형을 파악하는 딥러닝 모델과 데이터의 시간적 특성을 고려하는 딥러닝 모델을 제안한다. 제안하는 모델은 약 95.3%의 정확도로 사람 수를 파악하고 90.9%의 정확도로 사람 행동 유형을 파악한다. 또한 Truncated SVD를 이용하여 정확도의 손실을 최소화하면서 저장 공간을 줄이는 방법을 제안한다.

The identification of the number of occupants and their activities using the IoT system in a building is an important task to improve the power efficiency and reduce the cost of using smart cooling/heating systems. In the actual building management system, it is possible to use equipment such as a camera to understand the current situation in the room, and to directly determine the number of occupants and their types of behavior. However, identifying the number of people and behavior types in this way is inefficient and requires a large amount of storage space for data. In this study, indoor sensor data were collected using an infrared Grid-Eye sensor and noise sensor. Based on this data, we also propose a deep learning model that captures the number of participants and behavior patterns and a deep learning model that considers the temporal characteristics of data. The proposed model identifies the number of people with an accuracy of about 95.3% and human activities with an accuracy of 90.9%. We also propose a method to reduce the storage space while minimizing the loss of accuracy using truncated SVD.

목차
요약
Abstract
1. 서론
2. 관련연구
3. 제안된 방법
4. 실험
5. 결론
References
키워드

논문의 주요 키워드를 제공합니다. 키워드를 클릭하여 관련 논문을 확인해 보세요!

참고문헌 (0)

현재 논문의 참고문헌을 찾아 신청해주세요!

해당 논문은 참고문헌 정보가 없습니다.

인용된 논문 (0)

알림서비스 신청하고 '인용된 논문' 정보를 메일로 확인 하세요!

해당 논문은 인용된 논문 정보가 없습니다.

제 1 저자의 다른 논문 (1)

진우정 식별저자 저자의 상세정보를 확인해 보세요.

권호 내 다른 논문 (13)

정보과학회논문지 제45권 제6호 의 상세정보를 확인해 보세요.

  • 처음
  •  
  • 이전
  •  
  • 1
  •  
  • 2
  •  
  • 다음
  •  
  • 마지막
추천 논문 (10)

DBpia 추천논문과 함께 다운받은 논문을 제공합니다. 논문 초록의 텍스트마이닝과 이용 및 인용 관계 분석을 통해 추천해 드리는 연관논문을 확인해보세요.

DBpia 추천논문

더 많은 추천논문을 확인해 보세요!

함께 다운받은 논문

지표

이용현황

· 이용수

· 이용순위 상위 Top3

자세히 보기 >
No 상위 이용이관 이용수
1 충남대학교 4
2 인하대학교 3
3 한국교원대학교 3

활용도

· 활용지수

· 논문의 활용도 추이 (주제분야 기준)

자세히 보기 >

: %

2016-09
2016-10
2016-11
2016-12
0
20
40
60
80
100
  • 0%
  • 20%
  • 40%
  • 60%
  • 80%
  • 100%

피인용수

검색결과 미리보기
상세정보
저작권 정책

누리미디어에서 제공되는 모든 저작물의 저작권은 원저작자에게 있으며, 누리미디어는 각 저작물의 내용을 보증하거나 책임을 지지 않습니다. 단, 누리미디어에서 제공되는 서지정보는 저작권법에 의해 보호를 받는 저작물로, 사전 허락 없이 임의로 대량 수집하거나 프로그램에 의한 주기적 수집 이용, 무단 전재, 배포하는 것을 금하며, 이를 위반할 경우, 저작권법 및 관련법령에 따라 민, 형사상의 책임을 질 수 있습니다.

맨 위로 이동