지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2019.4
- 수록면
- 146 - 153 (8page)
- DOI
- 10.7232/JKIIE.2019.45.2.146
이용수
이 논문의 연구 히스토리 (3)
2019
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In this paper, we propose a new convolutional neural networks (CNNs) structure to overcome the interpretation problem posed by a series of the nonlinear transformation processes in CNNs. Convolutional neural networks (CNNs) have been successfully used in various applications including images, signals, and texts. Despite their superior performance in various tasks, the main limitation of CNNs is the lack of interpretability. Recently, deep neural network models including CNNs have been effectively used for the analysis of multi-sensor data. Although the original characteristics of deep neural network models offer high accuracy in classification for activity recognition, they are difficult to identify the critical sensors that play a significant role in discrimination of various equipment conditions. The proposed CNNs offers good performance and interpretability simultaneously. The effectiveness and applicability of the proposed method were demonstrated by the real sensor data collected from construction equipment for activity recognition.
목차
1. 서론
2. 데이터
3. 제안 방법론
4. 실험 및 결과
5. 결론
참고문헌
참고문헌 (24)
참고문헌 신청
Abdel-Hamid, O., Mohamed, A. R., Jiang, H., and Penn, G. (2012), Applying convolutional neural networks concepts to hybrid NN-HMM model for speech recognition, In Acoustics, Speech and Signal Processing (ICASSP), 2012 IEEE International Conference on (pp. 4277-4280), IEEE.
Ahn, C. R., Lee, S., and Pena-Mora, F. (2013), Application of low-cost accelerometers for measuring the operational efficiency of a construction equipment fleet, Journal of Computing in Civil Engineering, 29(2), 04014042.
Akhavian, R. and Behzadan, A. H. (2015), Construction equipment activity recognition for simulation input modeling using mobile sensors and machine learning classifiers, Advanced Engineering Informatics, 29(4), 867-877.
Alt, E. (1995), U.S. Patent No. 5,472,453, Washington, DC : U.S. Patent and Trademark Office.
Cao, C., Liu, X., Yang, Y., Yu, Y., Wang, J., Wang, Z., and Ramanan, D. (2015), Look and think twice : Capturing top-down visual attention with feedback convolutional neural networks. In Proceedings of the IEEE International Conference on Computer Vision (pp. 2956-2964).
Ahn, C. R., Lee, S., and Pena-Mora, F. (2013), Application of low-cost accelerometers for measuring the operational efficiency of a construction equipment fleet, Journal of Computing in Civil Engineering, 29(2), 04014042.
Akhavian, R. and Behzadan, A. H. (2015), Construction equipment activity recognition for simulation input modeling using mobile sensors and machine learning classifiers, Advanced Engineering Informatics, 29(4), 867-877.
Alt, E. (1995), U.S. Patent No. 5,472,453, Washington, DC : U.S. Patent and Trademark Office.
Cao, C., Liu, X., Yang, Y., Yu, Y., Wang, J., Wang, Z., and Ramanan, D. (2015), Look and think twice : Capturing top-down visual attention with feedback convolutional neural networks. In Proceedings of the IEEE International Conference on Computer Vision (pp. 2956-2964).
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Survey of the 3D Convolutional Neural Networks for Video Action Recognition
대한전자공학회 학술대회
2022 .06
-
다중 센서 데이터 분석을 위한 설명 가능한 합성곱신경망 모델
대한산업공학회 추계학술대회 논문집
2018 .11
-
CNN을 이용한 이미지 분류
Proceedings of KIIT Conference
2017 .06
-
Physical Activity Recognition With Sensory Data Encoder For Deep Convolutional Neural Network
한국통신학회 학술대회논문집
2019 .06
-
Evaluation of Deep Convolutional Neural Network Architectures for Human Activity Recognition with Smartphone Sensors
한국정보과학회 학술발표논문집
2015 .06
-
Dance Movement Recognition based on Deep Learning
IEIE Transactions on Smart Processing & Computing
2024 .06
-
CNN 기법을 이용한 공간정보 자동분류연구
대한공간정보학회 학술대회
2017 .05
-
Convolutional Neural Networks(CNN)를 이용한 실내 위치 측정 시스템
한국통신학회 학술대회논문집
2018 .01
-
Facial Emotion Recognition using Convolutional Neural Network Based on Repetitive Learning Blocks Approach
한국정보과학회 학술발표논문집
2020 .07
-
CNN(Convolutional Neural Network)을 이용한 콘크리트 포장 표면결함 분류
한국콘크리트학회 학술대회 논문집
2018 .11
-
Human Motion Recognition Based on Spatio-temporal Convolutional Neural Network
멀티미디어학회논문지
2020 .08
-
깊은 Convolutional Neural Network를 이용한 얼굴표정 분류 기법
방송공학회논문지
2017 .03
-
매니코어 프로세서에서 실시간 실행가능한 CNN(Convolutional Neural Network)
정보과학회지
2017 .10
-
Vehicle Make and Model Recognition System based on Convolutional Neural Network
정보 및 제어 논문집
2017 .04
-
Bearing Fault Diagnosis Using One-Dimensional Convolutional Neural Network
제어로봇시스템학회 국제학술대회 논문집
2022 .11
-
카메라를 이용한 Deep Convolutional Neural Network 기반 자율주행차량의 다중주기 횡방향 모션 제어
제어로봇시스템학회 국내학술대회 논문집
2019 .05
-
Convolutional Neural Network Based Image Processing System
Journal of information and communication convergence engineering
2018 .09
-
Convolutional Neural Network (CNN) 모형을 기반으로 한 중국과 한반도의 NPP추정
대한공간정보학회 학술대회
2019 .05
-
Comparison of Convolutional Neural Network Models for Image Super Resolution
한국방송미디어공학회 학술발표대회 논문집
2018 .06
-
진화연산 기반 CNN 필터 축소
전기학회논문지
2018 .12
이 논문의 저자 정보
이 논문과 함께 이용한 논문
다중 센서 데이터 분석을 위한 설명 가능한 합성곱신경망 모델
안건이
,
김성범
대한산업공학회 추계학술대회 논문집
2018
.11
시각장애인을 위한 합성곱신경망 기반 차로와 보도 인식 연구
조성민
,
송정헌
,
최병재
한국재활복지공학회 학술대회 논문집
2019
.11
설명 가능한 합성곱 신경망을 활용한 센서 기반의 시계열 데이터 분류 모델 제안
장영준
,
김지호
,
이홍철
한국컴퓨터정보학회논문지
2022
.05
크라우드센싱 시스템에서 머신러닝을 이용한 이상데이터 탐지
김미희
,
이기훈
전기전자학회논문지
2020
.06
딥러닝을 이용한 영화 흥행 예측과 주요 변수의 선택 연구 : 다변량 시계열 데이터 중심으로
변준형
,
김지호
,
최영진
외 1명
한국컴퓨터정보학회논문지
2020
.06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2019-530-000561411