Development of user activity type and recognition technology using LSTM

LSTM을 이용한 사용자 활동유형 및 인식기술 개발

Human activity is influenced by various factors, from individual physical features such as vertebral flexion and pelvic distortion to feelings such as joy, anger, and sadness. However, the nature of these behaviors changes over time, and behavioral characteristics do not change much in the short term. The activity data of a person has a time series characteristic that changes with time and a certain regularity for each action. In this study, we applied LSTM, a kind of cyclic neural network to deal with time - series characteristics, to the technique of recognizing activity type and improved recognition rate of activity type by measuring time and parameter optimization of components of LSTM model.

인간의 활동은 척추 옆굽음증, 골반 뒤틀림과 같은 개개인의 신체적 특징부터 기쁨, 분노, 슬픔 등의 감정들까지 다양한 요인들에 영향을 받는다. 하지만 이러한 동작의 특성은 오랜 시간에 걸쳐서 변화하며, 단기적으로 행동의 특성은 크게 변하지 않는다. 사람의 활동 데이터는 시간 흐름에 따라서 변화하는 시계열 적 특징과 각 행동별로 일정한 규칙성을 갖는다. 본 연구에서는 시계열 적 특징을 다루기 위한 순환신경망의 한 종류인 LSTM을 활동유형을 인식하는 기술에 적용하였으며, 측정시간과 LSTM 모델의 구성요소들에대한 파라미터 최적화로 활동유형의 인식률을 개선하였다.