사람과 반려견 모두 평균 수명이 늘어나면서 사람과 반려견은 함께 건강을 챙기는 사회로 변하고 있다. 사람의 경우에는 IoT 기술의 발전으로 고성능의 휴먼 웨어러블 헬스 케어 디바이스가 출시되고 있으나 반려동물 ...
사람과 반려견 모두 평균 수명이 늘어나면서 사람과 반려견은 함께 건강을 챙기는 사회로 변하고 있다. 사람의 경우에는 IoT 기술의 발전으로 고성능의 휴먼 웨어러블 헬스 케어 디바이스가 출시되고 있으나 반려동물웨어러블 디바이스는 흥미위주 수준에 그치고 있다. 본 논문의 목표는 자이로스코프-가속도계 센서를 활용하여 반려견의 현재 동작을 예측하고 높은 수준의 예측 정확도를 나타내고, 반려견 웨어러블 디바이스 기능의 적용 분야를 확대하여 다양하게 응용될 수 있는 가능성을 제시하고자 한다. 이를 위해 본 논문에서는 자이로스코프-가속도계 센서를 착용한 반려견의 Standing, Sitting, Lying, Walking, Running, Eating, Shaking 7가지 동작 데이터를 수집하고 학습데이터로 활용하여 K-최근접 이웃, Random forest, SVM, RBFN 분류 모형을 만들고, 이후 테스트 데이터로 학습된 모형들의 정확도를 비교 분석하여 최적의 모형을 도출했다.
사람과 반려견 모두 평균 수명이 늘어나면서 사람과 반려견은 함께 건강을 챙기는 사회로 변하고 있다. 사람의 경우에는 IoT 기술의 발전으로 고성능의 휴먼 웨어러블 헬스 케어 디바이스가 출시되고 있으나 반려동물 웨어러블 디바이스는 흥미위주 수준에 그치고 있다. 본 논문의 목표는 자이로스코프-가속도계 센서를 활용하여 반려견의 현재 동작을 예측하고 높은 수준의 예측 정확도를 나타내고, 반려견 웨어러블 디바이스 기능의 적용 분야를 확대하여 다양하게 응용될 수 있는 가능성을 제시하고자 한다. 이를 위해 본 논문에서는 자이로스코프-가속도계 센서를 착용한 반려견의 Standing, Sitting, Lying, Walking, Running, Eating, Shaking 7가지 동작 데이터를 수집하고 학습데이터로 활용하여 K-최근접 이웃, Random forest, SVM, RBFN 분류 모형을 만들고, 이후 테스트 데이터로 학습된 모형들의 정확도를 비교 분석하여 최적의 모형을 도출했다.
As the average life span of both people and dogs grew, people and dogs are turning into a society that takes health together. In the case of humans, high-performance human-wearable healthcare devices have been introduced with the development of IoT technology, but animal-wearable devices are only in...
As the average life span of both people and dogs grew, people and dogs are turning into a society that takes health together. In the case of humans, high-performance human-wearable healthcare devices have been introduced with the development of IoT technology, but animal-wearable devices are only interested in fun.
The goal of this paper is to predict the current behavior of dogs using gyroscope - accelerometer sensors, to show high - level prediction accuracy, to extend the application field of dog 's wearable device function and to suggest various applications.
In this paper, we collected seven motion data of Standing, Sitting, Lying, Walking, Running, Eating and Shaking of a dog wearing a gyroscope - accelerometer sensor and used KNN, Randomforest, SVM, RBFN classification model, and then the accuracy of learned models was compared and analyzed to derive an optimal model.
As the average life span of both people and dogs grew, people and dogs are turning into a society that takes health together. In the case of humans, high-performance human-wearable healthcare devices have been introduced with the development of IoT technology, but animal-wearable devices are only interested in fun.
The goal of this paper is to predict the current behavior of dogs using gyroscope - accelerometer sensors, to show high - level prediction accuracy, to extend the application field of dog 's wearable device function and to suggest various applications.
In this paper, we collected seven motion data of Standing, Sitting, Lying, Walking, Running, Eating and Shaking of a dog wearing a gyroscope - accelerometer sensor and used KNN, Randomforest, SVM, RBFN classification model, and then the accuracy of learned models was compared and analyzed to derive an optimal model.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.