Human Activity Recognition using Sensor Series Transformer with High-frequency Positional Encoding

Q: 이 논문에서 정의한 Sensor Series-Transformer(이)란 무엇인가?

Transformer 모델을 기반으로 시계열 센서 데이터 분석에 적합하도록 재구성된 새로운 구조다. 이는 가속도계와 같은 제한된 변수를 활용하여 인간 활동을 정확하게 예측하고 모니터링하기 위해 설계되었으며, 고주파 위치 인코딩과 잔차 방법 및 포컬 손실 함수를 결합하여 성능을 최적화한다.

Q: SS-Former 모델이 인간 활동 분류 성능을 높이는 핵심 요인은 무엇인가?

연구 결과, 입력 데이터를 고주파 데이터로 변환하는 High-frequency Positional Encoding과 정보 손실을 방지하는 Residual Method, 그리고 데이터 불균형을 해결하는 Focal Loss의 적용이 핵심이다. 특히 가속도계 데이터만을 사용했을 때 가장 높은 성능과 강건한 예측 능력을 보였다.

Kyu-Jin Han; Seung-Yoo Lee; Jo-el Shin; Seok-Beom Jang; Han-Gyeol Seon; Xiaopeng Yang

학술대회자료

Human Activity Recognition using Sensor Series Transformer with High-frequency Positional Encoding High-frequency Positional Encoding을 이용한 Sensor Series Transformer를 활용한 인간 활동 인식

저자정보: Kyu-Jin Han (Handong Global University) Seung-Yoo Lee (Handong Global University) Jo-el Shin (Handong Global University) Seok-Beom Jang (Handong Global University) Han-Gyeol Seon (Handong Global University) Xiaopeng Yang (Handong Global University)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2023 한국컴퓨터종합학술대회 논문집

발행연도: 2023.6

수록면: 2,052 - 2,054 (3page)

오류 신고하기

피인용 0

Human Activity Recognition using Sensor Series Transformer with High-frequency Positional Encoding

검색

초록·키워드

In recent years, the rapid development of science and technology has brought significant advancements in the field of wearable devices. As a result, these devices have become more diverse and sophisticated, allowing for the collection of vast amounts of information. Wearable devices are equipped with various sensors, such as accelerometers, gyroscopes, and magnetometers, which enable the detection and measurement of movements and environmental factors. This research focuses on the utilization of a time-series life log dataset. We built a new architecture named Sensor Series-Transformer (SS-Former) by modifying the Transformer model using high-frequency posi ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

Human Activity Recognition using Sensor Series Transformer with High-frequency Positional Encoding High-frequency Positional Encoding을 이용한 Sensor Series Transformer를 활용한 인간 활동 인식

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료