최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기멀티미디어학회논문지 = Journal of Korea Multimedia Society, v.21 no.8, 2018년, pp.982 - 990
안정욱 (Dept. of Computer Engineering, Gachon University) , 강운구 (Dept. of Computer Engineering, Gachon University) , 이영호 (Dept. of Computer Engineering, Gachon University) , 이병문 (Dept. of Computer Engineering, Gachon University)
In recent years, many wearable devices and mobile apps related to life care have been developed, and a service for measuring the movement during walking and showing the amount of exercise has been provided. However, they do not measure walking in detail, so there may be errors in the total calorie c...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
보행 측정의 정확도를 높이기 위해 어떠한 방법이 있는가? | 측정의 정확도를 높이려면 움직임뿐만 아니라 진행방향도 알아야 한다. 이것은 9축 가속도 센서를 이용하고 머신러닝 기법을 도입한다면 보다 정확한 행동을 인지할 수 있다. 본 연구에서는 머신러닝 기법을 도입하기 위해 측정 데이터를 머신러닝 알고리즘에 적용하여 새로운 학습모델을 생성한다. | |
충격파를 이용하여 보행을 인지하는 방법의 한계점은 무엇인가? | 하지만 이렇게 보행을 인지할 때 보행유형을 알 수 없고, 보행 수에 대한 정확도가 떨어진다. 예를들어 같은 보행 수라 할지라도 사용자가 평지를 걷는지, 계단을 오르는지, 계단을 내려가는지에 대한 세부 유형을 알 수 없다. | |
만보계는 어떠한 원리를 이용하여 보행 수를 측정하는가? | 일반적으로 보행을 인지할 때에는 보행하는 과정에서 지면에 발이 닿을 때에 그 충격파를 이용한다[5-6]. 충격파가 다리를 거쳐 골반, 허리까지 도달하므로, 허리에 가속도 센서를 밀착하여 부착한 후 측정한다. 만보계는 이러한 원리를 이용하여 보행 수를 측정할 수 있다. |
H.J. Park and H.S. Kim, "Case Studies and Development on Wearable Healthcare Design -Mainly with Diverse Types of User Perspectives," Journal of Digital Design, Vol. 14, No. 3, pp. 135-144, 2014.
Runtastic, Android Application, http://play.google.com/store (accessed May, 1, 2018).
Endomondo, Android Application, http://play.google.com/store (accessed May, 1, 2018).
Nike+Fuelbnad, "Nike+SportWatch" for NIKE, http://www.nike.com/cdp/fuelband/ (accessed May, 1, 2018).
W. Lee, H. Lee, and S. Lee, "Calorie Consumption Measurement Platform using GPS and Activity Recognition Based on Accelerometer in Smartphone," Proceeding of the Spring Conference of the Korean Institute of Information Scientists and Engineers, pp. 342-344, 2013.
J.H. Wilmore and D.L. Costill, Physiology of Sportand Exercise 3rd Edition, Human Kinetics Publishers, Illinois, 2006.
C.M. Jung, J.H. Bang, K.H. Han, H.N. Yeom, and S.Y. Lee, "Smartphone Based Activity Recognition for Real Environment," Proceeding of Korean Institute of Information and Engineers, Proceedings of Korea Computer, pp. 460-462, 2013.
J.R. Kwapisz, G.M. Weiss, and S.A. Moore, "Activity Recognition Using Cell Phone Accelerometers," ACM SigKDD Explorations Newsletter, Vol. 12, No. 2, pp. 74-82, 2011.
L. Bao, and S.I. Stephen, "Activity Recognition from User-Annotated Acceleration Data," Proceeding of International Conference on Pervasive Computting, Springer , pp. 1-17, 2004.
G. Holmes, A. Donkin, and I.H. Witten, "Weka: A Machine Learning Workbench," Proceedings of the 1994 Second Australian and New Zealand Conference, Intelligent Information Systems, pp. 357-361, 1994.
S.L. Salzberg, "C4. 5: Programs for Machine Learning," Machine Learning, Vol. 16, No. 3, pp. 235-240, 1994.
D.R. Cox, "The Regression Analysis of Binary Sequences," Journal of the Royal Statistical Society, pp. 215-242, 1958.
D.E. Rumelhart, E.H. Geoffrey, and J.W. Ronald, Learning Internal Representations by Error Propagation, California Univ San Diego La Jolla Inst for Cognitive Science, 1985.
N. Ravi, N. Dandekar, P. Mysore, and M.L. Littman, "Activity Recognition from Accelerometer Data," Association for the Advancement of Artificial Intelligence, Vol. 5, No. 2005, pp. 1541-1546, 2005.
S.H. Kim, O.H. Lee, H.S. Lee, and J.Y. Joe, Nutrition and Exercise, Powerbook, Goyang, 2007.
J.A. Harris and G.B. Francis, "A Biometric Study of Human Basal Metabolism," Proceedings of the National Academy of Sciences, Vol 4, No. 12, pp. 370-373, 1918.
J.H. Yoon and I.K. Jung, Human Performance & Exercise Physiology, DKBooks, Seoul, 2011.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.