1 |
1
보행 중 압력 중심의 궤적을 추적하는 장치에 있어서, 족부 전체를 N개로 분할한 단위 영역 위치에 설치된 압력 센서를 포함하며 깔창 형태로 구현된 인솔 센서와,상기 압력 센서에 전원을 공급하고, 상기 압력 센서로부터 신호를 송수신하는데 이용되는 연결부와,상기 연결부를 통해 인솔 센서와 연결되며, 상기 N개의 압력 센서 중 M개의 특징점(N 003e# M)을 선택하고, 상기 M개의 특징점을 이용하여, 시간에 따른 족부의 앞뒤 방향, 양옆 방향의 압력 중심 값을 출력하는 통신 및 데이터 처리 장치를 포함하며,상기 M개의 특징점은 상기 N개의 측정값을 입력으로 하여 인공 신경망 모델을 적용하여 학습되며, 상기 압력 중심값은 상기 선택된 M개의 특징점을 입력으로 하여 상기 인공 신경망 모델을 적용하여 추정되며상기 인공 신경망 모델은 LSTM(long short-term memory) 아키텍처를 포함하며,상기 특징점의 개수는 상대적인 평균 제곱근 오차(Root Mean Square Error: RMSE)와 예측값과 실측값의 상관값에 기초한 정지 기준을 이용하여 선택되는 것인 압력 중심 궤적 추적 장치
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제1항에 있어서,상기 통신 및 데이터 처리 장치는 근거리 통신 모듈을 포함하며, 상기 근거리 통신 모듈을 이용하여, 상기 상기 인공 신경망 모델의 적용을 외부의 스마트 장치에서 수행하는 것인 압력 중심 궤적 추적 장치
|
5 |
5
보행중 압력 중심의 궤적을 추적하는 방법에 있어서, 인공 신경망 모델을 이용하여 족부 전체를 N개로 분할한 단위 영역 중 압력 중심 궤적 추적에 이용할 M개의 특징점을 학습하여 선택하는 단계와,상기 인공 신경망 모델을 이용하여 선택된 M개의 특징점을 입력으로 한 시간에 따른 족부 앞뒤의 압력 중심값과 족부 양옆의 압력 중심값을 출력하는 단계와,시간에 따른 상기 족부 앞뒤의 압력 중심값과 족부 양옆의 압력 중심값을 이용하여 압력 중심 궤적을 추적하는 단계를 포함하며, 상기 인공 신경망 모델은 LSTM(long short-term memory) 아키텍처를 포함하며,상기 특징점의 개수는 상대적인 평균 제곱근 오차(Root Mean Square Error: RMSE)와 예측값과 실측값의 상관값에 기초한 정지 기준을 이용하여 선택되는 것인 압력 중심 궤적 추적 방법
|
6 |
6
삭제
|
7 |
7
삭제
|
8 |
8
제 5 항에 있어서,상기 LSTM 아키텍처는 인솔 센서의 상기 N개의 단위 영역에 배치된 압력 센서의 압력 측정값을 입력으로서 이용하는 것인 압력 중심 궤적 추적 방법
|
9 |
9
제 5 항에 있어서,상기 인공 신경망 모델은 인솔에 상기 M개의 특징점에 배치된 압력 센서로부터 측정된 값을 입력값으로서 이용하는 것인 압력 중심 궤적 추적 방법
|