인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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.
피인용 0
초록·키워드
본 연구에서는 스마트워치로 수집한 단일 산업현장 근로자의 심박수와 호흡수를 기반으로 단기 생체신호 예측 성능을 향상시키기 위한 딥러닝 프레임워크를 제안한다. 실제 스마트워치를 통해 수집한 데이터를 전처리한 후, 시계열 예측 모델의 구간 간 학습 정보 전달이 예측 성능에 미치는 영향을 분석하기 위해 순차 학습과 비순차 학습을 비교하였다. 순차 학습에서는 이전 구간에서 학습된 모델 가중치를 다음 구간의 초기 가중치로 전달하였고, 비순차 학습은 각 구간마다 모델 가중치를 새롭게 초기화함으로써, 심박수와 호흡수 각각에 적합한 모델과 학습 방식을 분석하였다. Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU) 및 Transformer에 random seed를 적용한 반복 실험 결과, 심박수 예측에서는 세 모델 모두 비순차 학습이 우수하였고, 호흡수 예측에서는 LSTM과 GRU의 순차 학습이 우수하였다. 반면 Transformer는 학습 전략에 따른 일관된 성능 우위가 나타나지 않았다. 이러한 결과는 생체신호 예측 성능에 생체신호 특성별로 적합한 모델과 학습 방식 선택이 중요함을 보여준다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
