메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김진수 (조선대학교) 김재명 (조선대학교) 김민구 (조선대학교) 반성범 (조선대학교)
저널정보
한국정보기술학회 한국정보기술학회논문지 한국정보기술학회논문지 제20권 제2호(JKIIT, Vol.20, No.2)
발행연도
2022.2
수록면
149 - 156 (8page)
DOI
10.14801/jkiit.2022.20.2.149

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
근전도 신호는 골격근이 수축하는 동안 발생하는 생체신호로, 수행한 동작에 따라 다른 신호 파형이 생성된다. 이에 기존 사용자 인식 방법의 등록 정보를 변경할 수 없는 문제 해결이 가능하다. 본 논문에서는 근전도 신호 기반 경험적 모드 분해 및 multi-stream Convolutional Neural Network(CNN)을 이용한 사용자 인식 방법을 제안한다. 제안한 방법은 특징 데이터 증가를 위해 근전도 신호를 경험적 모드 분해를 이용해 내재 모드 함수로 분해한다. 분해된 내재 모드 함수 1-4는 설계한 multi-stream CNN에 입력데이터로 사용해 사용자 인식을 수행한다. 벤치마킹 근전도 데이터인 Ninapro DB2를 이용한 실험 결과, multi-stream CNN 및 내재 모드 함수를 이용한 방법은 98.3%의 정확도로, 기존 CNN을 이용한 연구에 비해 1% 성능이 높게 나타났다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안하는 근전도 신호를 이용한 사용자 인식 방법
Ⅳ. 실험 방법 및 결과
Ⅴ. 결론 및 향후 과제
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0