$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

재실자 활동량 산출을 위한 딥러닝 기반 선행연구 동향
Research Trends for the Deep Learning-based Metabolic Rate Calculation 원문보기

KIEAE journal = 한국생태환경건축학회논문집, v.17 no.5, 2017년, pp.95 - 100  

박보랑 (School of Architecture and Building Science, Chung-Ang University) ,  최은지 (School of Architecture and Building Science, Chung-Ang University) ,  이효은 (School of Architecture and Building Science, Chung-Ang University) ,  김태원 (School of Architecture and Building Engineering, Chung-Ang University) ,  문진우 (School of Architecture and Building Science, Chung-Ang University)

Abstract AI-Helper 아이콘AI-Helper

Purpose: The purpose of this study is to investigate the prior art based on deep learning to objectively calculate the metabolic rate which is the subjective factor for the PMV optimum control and to make a plan for future research based on this study. Methods: For this purpose, the theoretical and ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 본 연구의 목적은 개인 맞춤형 활동량 산출 모델 개발을 위한 선행연구로써 DL기반의 최근 연구동향을 조사·분석하고 이를 바탕으로 궁극적으로 본 연구가 나아가야할 방향 및 방안을 마련하고자 하였다. 또한, 본 연구는 ANN 활용 활동량 산출 모델 개발을 통한 PMV 제어에 대한 연구의 중요한 기초자료로 활용되는데 의의가 있다.
  • 본 연구에서는 PMV 최적 제어를 위하여 주관적 요소인 활동량을 객관적으로 산출하는 보다 정확하고 적용이 용이한 Intelligent 활동량 산출 모델 개발을 위해 딥러닝 기반의 선행 기술을 조사하고 이를 바탕으로 향후 연구가 나아가야할 방안을 마련하고자 하였다. 이를 위해 국내·외의 각종 문헌과 자료를 통해 이론 및 기술 고찰 및 적용가능성 분석이 실시되었다.
  • 본 연구에서는 재실자의 활동량 산출을 위한 딥러닝을 활용에 대한 연구 및 적용 방안을 분석하기 위해 각종 문헌과 자료를 통해 이론 고찰이 실시되었다. 딥러닝에 대한 개념 및 구조를 분석하여 적용하고자 하는 기술의 기본 정보를 습득하고, 이의 활용성 및 적용성을 파악하기 위하여 대표적인 사례와 기법에 대해 심도 있게 분석을 실시하였으며 연구 동향에 대해 비교·분석을 통해 향후 관련연구의 기반을 마련하고자하는 결론이 도출되었다.
  • 본 연구의 목적은 개인 맞춤형 활동량 산출 모델 개발을 위한 선행연구로써 DL기반의 최근 연구동향을 조사·분석하고 이를 바탕으로 궁극적으로 본 연구가 나아가야할 방향 및 방안을 마련하고자 하였다.
  • 재실자 행동산출을 위한 딥러닝 기반 선행 기술 조사의 결과를 바탕으로 향후 연구에서 개발하고자 하는 재실자 맞춤형 활동량 산출 모델에 적용할 수 있는 기본 기술이 파악되었다. 이를 바탕으로 사람, 사물, 배경을 각각 인지 할 수 있는 방법을 알 수 있었으며 각 기술들의 알고리즘 및 데이터를 충분한 활용으로 향후 본 연구에서 개발될 재실자 활동량 산출 모델에 적합한 새로운 행동인식 기술에 적용하여 보다 손쉽고, 정확도가 높은 활동량 산출모델개발 연구가 이루어질 것이라 판단된다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
친환경적 실내환경의 제공이 재실자 삶의 질을 결정하는 중요한 역할을 하는 이유는? 현대인들은 하루의 90% 이상을 실내에서 보내기 때문에 쾌적하고 친환경적 실내환경의 제공은 재실자 삶의 질(Life Quality, LQ)을 결정하는 중요한 역할을 한다. 온열환경, 실내공기질, 소음, 심리학적 요인 등 복합적인 요인을 포함하는 실내환경질 (Indoor Environmental Quality, IEQ)은 삶의 질과 밀접한 관계를 가지며, 특히 열환경의 질(Thermal Quality, TQ)는 IEQ 및 LQ를 결정짓는 주요 요소 중 하나로써, 적절한 TQ의 제공은 재실자의 쾌적성, 건강, 생산성 등을 향상시킨다.
기본 인공신경망 알고리즘은 무엇으로 구성되는가? 일반적으로 사용되는 기본 인공신경망 알고리즘은 Fig. 1과 같은 구조를 지니는 다층인공신경망(multi-layer neural network)으로 입력층(input layer), 은닉층(hidden layer), 그리고 출력층(outputlayer)으로 구성된다.26) 다층인공신경망은 마지막에 계산되는 출력값과 학습 목표값을 비교하여 차이에 따라 가중치를 조정해 학습에 적용한다.
사람이 생각한 특징을 훈련하는 것이 아니라 데이터 자체에서 중요한 특징을 기계 스스로 학습하는 것은 무엇을 통해 이루어지는가? 인공신경망과 달리 딥러닝은 데이터가 라벨링 되어있지 않아도 데이터의 유사성을 효과적으로 파악해 군집화에 좋은 성능을 발휘한다. 이 과정은 비지도학습(unsupervised learning)을 통해 사람의 개입 없이 이루어진다. 즉 사람이 생각한 특징을 훈련하는 것이 아니라 데이터 자체에서 중요한 특징을 기계 스스로 학습한다.
질의응답 정보가 도움이 되었나요?

참고문헌 (32)

  1. 박보랑, 최은지, 문진우, "셋백기간 중 건물 냉방시스템 부하 예측을 위한 인공신경망모델 성능 평가", 한국생태환경건축학회 논문집, 제17권 제4호, 2017 // (Park, Bo-Rang, Choi, Eun-Ji, Moon, Jin-Woo, Performance tests on the ANN model prediction accuracyfor cooling load of buildings during the setback period, Jourmal of KIEAE, 2017) 

  2. 이경희, "오피스 빌딩 실내환경의 질에 관한 연구", 석사학위논문, 연세대학교. 2004 // (Lee, Kyeong-Hee, A study on Indoor Environment Quality in Office Buildings, Dissertation, Yonsei University. 2004) 

  3. 서민호, 오근숙, 정근주, "실내 온열환경 열쾌적성 평가에 관한 연구동향", 대한설비공학회 동계학술발표대회 논문집, v.2011 n.11, 2011.11 // (Seo, Min-Ho, Oh, Geun-Sung, Jung, Gun-Joo, Trend on Research of Evaluation for Thermal Comfort in Indoor Thermal Environment, Conference Journal of SAREK, 2011.11) 

  4. 강인성, 문진우, 박진철, "최근 건축분야의 인공지능 기계학습 연구동향", 대한건축학회지, 제33권 제 4호, 2017 // (Kang In-Sung, Moon, Jin-Woo, Park, Jin-Chul, Recent Research Trends of Artificial Intelligent Machine Learning in Architectural Field, Journal of AIKSC, 2017) 

  5. 이혜진, "PMV기반 냉난방 제어시스템을 위한 사용자 활동량 측정 및 IoT 센서 데이터 결합 프레임워크", 아주대학교, 2016 // (Lee, Hae-Jin, Estimation of User Activity and IoT Sensor Framework for PMV based Heating system, Ajou University, 2016) 

  6. 박기원, 황건용, "인체의 동작의도 판별을 위한 퍼지 C-평균 클러스터링 기반의 근전도 신호처리 알고리즘", 멀티미디어학회논문집, vol.19 no.1, 2016 // (Parkm Ki-Won, Hwang, Gun-Young, Movement Intention Detection of Human Body Based on Electromyographic Signal Analysis Using Fuzzy C-Means Clustering Algorithm, Korea Multimedia Society, vol.19 no.1, 2016) 

  7. 이호기, "심박동을 이용한 PMV기반 냉난방 제어 시스템", 부산대학교, 2009 // (Lee, Ho-Ki, PMV based on Air-conditioning Control System using Resident's Heart Rate, Pusan University, 2009) 

  8. 고효진, "PMV를 이용한 거주자 위치기반 냉난방 제어 알고리즘", 부산대학교, 2008 // (Ko, Hyo-Jin, Air-conditioning control for PMV using an indoor location aware system, Pusan University, 2008) 

  9. Michael K, Garcia-Souto M.D.P, Dabnichki P, An investigation of the suitability of Artificial Neural Networks for the prediction of core and local skin temperatures when trained with a large and gender-balanced database, Applied Soft Computing, vol.50 page 327-343, 2016 

  10. Mohammad H. Hasan, Fadi Alsaleem, Mostafa Rafaie, Sensitivity study for the PMV thermal comfort model and the use of wearable devices biometric data for metabolic rate estimation, Building and Environment, vol.110 page 173-183, 2016 

  11. Agnes Psikuta, Joanna Frackiewicz-Kaczmarek, Emel Mert, Marie-Ange Bueno, Rene M.Rossi, Validation of a novel 3D scanning method for determination of the air gap in clothing, Measurement, vol.67 page 61-70, 2015 

  12. Yehu Lu, Guowen Song, Jun Li, A novel approach for fit analysis of thermal protective clothing using three-dimensional body scanning, Applied Ergonomics, vol.45 page 1439-1446, 2014 

  13. Stefano Schiavon, Kwang Ho Lee, Dynamic predictive clothing insulation models based on outdoor air and indoor operative temperatures, Building and Envrionment, vol.59 page 250-260, 2013 

  14. Yanfeng Liu, Lijuan Wang, Yuhui Di, Jiaping Liu, Hao Zhou, The effects of clothing thermal resistance and operative temperature on human skin temperature, Journal of Thermal Biology, vol.38 page 233-239, 2013 

  15. Xiaonan Luo, Wenbang Hou, Yi Li, Zhong Wang, A fuzzy neural network model for predicting clothing thermal comfort, Computers & Mathematics with Applications, vol.53 page 1840-1846, 2007 

  16. Yejin Lee, Kyunghi Hong, Sung-Ae Hong, 3D quantification of microclimate volume in layered clothing for the prediction of clothing insulation, Applied Ergonomics, vol.38 page 349-355, 2007 

  17. Guy R.Newsham, Clothing as a thermal comfort moderator and the effect on energy consumption, Energy and Buildings, vol.26 page 283-291, 2007 

  18. 부산대학교 산학협력단, 심박동을 이용한 PMV 기반 냉난방 제어 방법, PCT/KR2016/014463, 4.14, 2009 // (Pusan National University, PMV based air-conditioner control method using resident's heart rate, PCT/KR2016/014463, 4.14, 2009) 

  19. 공주대학교 산학협력단, 희망 온열 쾌적지수 기반의 사용자 맞춤형 온도/습도 제어장치 및 방법, 10-2016-0094483, 12.08, 2011 // (Kongju National University, User oriented apparatus and method for controlling temperature and humidity depends on predicted mean vote, 10-2016-0094483, 12.08, 2011) 

  20. 주식회사 오토닉스, 거주자 행동 기반 냉난방 제어 방법, 1020090037975, 4.30, 2009 // (Autonics Inc., Resident's activity based air-conditioner control method, 1020090037975, 4.30, 2009) 

  21. 주식회사 휴비딕, 적외선 체온 측정기에서의 중심 온도 검출 장치 및 방법, 1020100002185, 1.11, 2010 // (Hubdic Inc., Apparatus and method for detecting core temperature in infrared rays thermometer, 1020100002185, 1.11, 2010) 

  22. 엘지전자부품 주식회사, 활동량센서의 동작측정장치, 1019950038560, 10.31, 1995 // (LG Inc., Activity measuring device of activity sensor, 1019950038560, 10.31, 1995) 

  23. 삼성전자주식회사, 사용자의 활동량 측정 방법 및 장치, 1020140040606, 4.4, 2014 // (SAMSUNG Inc., Method and Apparatus for Measuring User Physical Activity, 1020140040606, 4.4, 2014) 

  24. 파나소닉 주식회사, 온도분포측정장치 및 인체검지시스템, 1019930015029, 8.3, 1993 // (Panasonic Inc., Temperature Distribution Measurement Apparatus, 1019930015029, 8.3, 1993) 

  25. 전자부품연구원, 이미지센서를 이용한 피부두께 측정 장치 및 그측정 방법, 1020060135844, 12.28, 2006 // (Korea electronics Technology Institute, Apparatus and method for measuring thickness of skin using a image sensor, 1020060135844, 12.28, 2006) 

  26. 공동석, "도심지역 에너지 계획을 위한 인공신경망 기반의 에너지수요예측에 관한 연구", 서울시립대학교, 2009// (Kong, Dongsuk, Artificial Neural Network based Energy Demand Prediction for the Urban District Energy Planning, Seoul City University, 2009) 

  27. G. Zhang, B.E. Patuwo, M.Y. Hu, Forecasting with artificial neural networks:the state of the art, International Journal of Forecasting, vol.14 page 35-62, 1998 

  28. 강인성, 문진우, 박진철, 최근 건축분야의 기계학습 모델 연구동향, 대한건축학회, 제 36권 제2호, 2016 //(Kang, In Sung, Moon, Jin Woo, Park, Jin Chul, Recent Research Trends of Machine Learning Model in Architectural Field, Architectural Institute of Korea, vol.36 no.2, 2016) 

  29. 박성언, "딥러닝 Recurrent Neural Network를 이용한 깊이 카메라 기반 휴먼 행위 인식", 석사학위논문, 경희대학교, 2017.2 //(Park, Sung-un, A Depth Camera-based Human Activity Recognition via Deep Learning Recurrent Neural Network, Dissertation, Kyunghee University, 2017 ) 

  30. 박제강, 박용규, 온한익, 강동중, "딥러닝을 이용한 영상 내 물체 인식 기법", 제어로봇시스템학회지 제21권 제4호, 2015.12, 21-26 //(Je-Kang Park, Young-Kyu Park, Han-Ik On, Dong-Joong Kang, Institute of Control, Robotics and Systems, vol.21 no.4, page 21-26, 2015) 

  31. Mark Everingham, S.M. Ali Eslami, Luc Van Gool, Christopher K.I. Williams, John Winn, Andrew Zisserman, The Pascal Visual Object classes Challenge: A Retrospective. 2010, 111, 98-136. 

  32. Olga Russakovsky, Jia Deng, Hao Su, Jonathan Krause1, Sanjeev Satheesh1, Sean Ma1, Zhiheng Huang1, Andrej Karpathy1, Aditya Khosla, Michael Bernstein, Alexander C. Berg, Li Fei-Fei, ImageNet Large Scale Visual Recognition Challenge. 2015, 115, 211-252. 

저자의 다른 논문 :

LOADING...

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로