지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2025.3
- 수록면
- 69 - 76 (8page)
- DOI
- 10.7746/jkros.2025.20.1.069
이용수
초록· 키워드
오류제보하기
The Center of Pressure (CoP) is utilized as an essential indicator for assessing the body’s balance. CoP reflects the state of balance and is important in evaluating balance ability and predicting fall risk. Existing systems are too expensive, less accurate in dynamic conditions, or have limited measurement ability, which is for only the foot’s CoP without fully reflecting the overall body balance. Thus, this study proposes a novel system using Tactile sensors and a deep learning model for less cost and accurately estimating dynamic body CoP. The performance of the suggested CNN-Bi-LSTM model was compared with existing foot CoP estimation models, CNN-LSTM and Bi-LSTM. Model performance was validated using the Leave-One-Out Cross-Validation (LOOCV) method and evaluated with Root-Mean-Squared Error (RMSE) and R² coefficient. The experimental results showed that the CNN-Bi-LSTM model achieved the best performance, with an average RMSE of 7.09 mm in the ML direction and 4.69 mm in the AP direction, and an average R² of 0.99. In comparison, the CNN-LSTM and Bi-LSTM models recorded RMSE values of 11.59 mm and 25.52 mm in the ML direction, and 8.81 mm and 10.90 mm in the AP direction, respectively. Additionally, the RMSE difference value between ML (medio-lateral) and AP (Antero-posterior) was shown to be smaller compared to previous studies on estimating the foot CoP. This result highlights the effectiveness of the CNN-Bi-LSTM model in capturing both spatial and temporal features, surpassing traditional methods and previous models in dynamic conditions. Future research will focus on expanding the system and conducting clinical trials for gait CoP analysis.
목차
Abstract
1. 서론
2. CoP 추정 방법
3. 실험 및 결과
4. 결론
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
CNN-LSTM 기반 낙상 감지 시스템 구현
한국통신학회논문지
2022 .02
-
Bi-LSTM 기반 환경 데이터 예측에 관한 연구
한국통신학회 인공지능 학술대회 논문집
2024 .09
-
Comparison of Performance of 1D CNN and LSTM Models for Multi-Channel Time Series Data Discrimination
대한기계학회 춘추학술대회
2022 .11
-
1D CNN과 LSTM을 사용한 제스쳐 인식 성능 비교 연구
한국정보과학회 학술발표논문집
2024 .06
-
CNN-LSTM 모델 기반 딥 보이스 탐지
한국통신학회 학술대회논문집
2024 .06
-
AI-Enhanced Predictive Maintenance in Manufacturing Processes
제어로봇시스템학회 국제학술대회 논문집
2022 .11
-
Text Classification Using LSTM-CNN
한국정보통신학회 종합학술대회 논문집
2019 .10
-
CNN 과 LSTM 을 이용한 다중 차량 추적 알고리즘
한국통신학회 학술대회논문집
2019 .01
-
딥러닝 기반 LSTM-CNN을 활용한 단기 수요 예측에 관한 연구
대한전기학회 학술대회 논문집
2018 .11
-
LSTM과 CNN 기반 폭력 행위 감지 알고리즘
대한전자공학회 학술대회
2023 .06
-
정확한 가스원점 위치 추정을 위한 CNN-LSTM 네트워크
제어로봇시스템학회 국내학술대회 논문집
2023 .06
-
CNN-LSTM 조합 모델을 이용한 보안관제 정 · 오탐 판별 기법 설계
정보 및 제어 논문집
2020 .10
-
자소 단위 기반의 양방향 LSTM-CNN을 활용한 영화 평점 예측
한국정보과학회 학술발표논문집
2018 .06
-
Prediction of Solar Photovoltaic Power Generation by Weather Using LSTM
한국컴퓨터정보학회논문지
2022 .08
-
Input Attention 기반 LSTM-CNN 모델을 이용한 Relation Classification
한국정보과학회 학술발표논문집
2017 .06
-
LSTM-Based Human Fall Detection using Thermal Array Sensor
한국통신학회 학술대회논문집
2021 .06
-
CNN 과 LSTM 을 활용한 교차로에서의 운전자 의도 예측
대한기계학회 춘추학술대회
2021 .05
-
다중 시간 특징 추출 기반 CNN-LSTM 결합을 이용한 잔존수명 예측
한국통신학회 학술대회논문집
2020 .08
-
CNN-LSTM을 사용한 긴 주기 펄스 레이다 신호 속성 분류
한국전자파학회논문지
2022 .01
-
CNN-LSTM 조합모델을 이용한 영화리뷰 감성분석
지능정보연구
2019 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-092341706