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


45권  6호, pp. 564-571, 6월  2018
10.5626/JOK.2018.45.6.564


PDF

  요약

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.


  통계
2022년 11월부터 누적 집계
동일한 세션일 때 여러 번 접속해도 한 번만 카운트됩니다. 그래프 위에 마우스를 올리면 자세한 수치를 확인하실 수 있습니다.
  논문 참조

[IEEE Style]

W. Jin, D. Choi, Y. Kim, U. Kang, "Activity Prediction from Sensor Data using Convolutional Neural Networks and an Efficient Compression Method," Journal of KIISE, JOK, vol. 45, no. 6, pp. 564-571, 2018. DOI: 10.5626/JOK.2018.45.6.564.


[ACM Style]

Woojeong Jin, Dongjin Choi, Youngjin Kim, and U Kang. 2018. Activity Prediction from Sensor Data using Convolutional Neural Networks and an Efficient Compression Method. Journal of KIISE, JOK, 45, 6, (2018), 564-571. DOI: 10.5626/JOK.2018.45.6.564.


[KCI Style]

진우정, 최동진, 김영진, 강유, "콘볼루션 신경망을 이용한 센서 데이터로부터의 행동 유형 파악과 효과적인 센서 데이터 압축," 한국정보과학회 논문지, 제45권, 제6호, 564~571쪽, 2018. DOI: 10.5626/JOK.2018.45.6.564.


[Endnote/Zotero/Mendeley (RIS)]  Download


[BibTeX]  Download



Search




Journal of KIISE

  • ISSN : 2383-630X(Print)
  • ISSN : 2383-6296(Electronic)
  • KCI Accredited Journal

사무국

  • Tel. +82-2-588-9240
  • Fax. +82-2-521-1352
  • E-mail. chwoo@kiise.or.kr