| 1 |
1
리드타임을 고려한 낙상 감지 장치에 있어서,관성 센서로부터 가속도 또는 각속도 중 적어도 하나를 수신하는 가속도 및 각속도 신호 수신부와, 리드 타임에 따른 낙상 예측 정확도를 제공하는 인공 신경망 모델과 분류 모델의 분류에 따라 낙상 감지를 수행하는 인공 신경망 모델 엔진과,낙상으로부터 사용자를 보호하는 낙상 예방 동작 모듈과,상기 인공 신경망 모델 엔진의 출력에 응답하여 낙상 예방 동작 모듈의 동작 시간을 설정하는 동작 시간 설정부를 포함하며,상기 인공 신경망 모델은, 낙상 예측 정확도의 최소값, 최대값, 평균값, 리드 타임과 낙상 예측 정확도의 선형 회귀 모델의 기울기 및 r-제곱값 중 적어도 하나의 평가 기준으로 이용하여 성능이 평가되는 것인 낙상 감지 장치
|
| 2 |
2
제1 항에 있어서, 상기 인공 신경망 모델은 SVM (Support Vector Machine), RF(Random Forest), ANN(Artificial Neuron Network) 중 적어도 하나의 지도 학습 머신 러닝 분류기가 이용되는 것인 낙상 감지 장치
|
| 3 |
3
제1 항에 있어서, 상기 분류 모델은 낙상과 비낙상을 구분하는 이진 분류기와 낙상과 적어도 하나의 일상 동작을 구분하는 멀티클래스 분류기 중 적어도 하나를 이용하는 것인 낙상 감지 장치
|
| 4 |
4
제2 항에 있어서,상기 지도 학습 머신 러닝 분류기의 선형 회귀 모델의 교차점의 리드 타임 또는 상기 교차점에 대응하는 낙상 예측 정확도를 평가 기준으로 이용하여 성능이 평가되는 것인 낙상 감지 장치
|
| 5 |
5
삭제
|
| 6 |
6
리드 타임을 고려한 낙상 감지 장치를 이용한 낙상 감지 방법에 있어서, 가속도 및 각속도 신호 수신부가 관성 센서로부터 가속도 또는 각속도 중 적어도 하나를 수신하는 단계;상기 낙상 감지 장치가 상기 리드 타임에 따른 낙상 예측 정확도를 제공하고 분류 모델의 분류에 따라 낙상 감지를 수행하는 인공 신경망 모델을 구축하는 단계;동작 시간 설정부가 상기 낙상 감지 수행 결과값이 낙상으로 판단될 경우 낙상 예방 동작 모듈의 동작 시간을 설정하는 단계; 및상기 낙상 예방 동작 모듈이 상기 설정된 동작 시간에 낙상으로부터 사용자를 보호하는 기구적 동작을 수행하는 단계를 포함하며,상기 인공 신경망 모델을 구축하는 단계는,낙상 예측 모델을 설정하는 단계와지도 학습 머신 러닝 분류기 중 미리 정해진 평가 기준을 통해 결정된 최적 분류 모델을 설정하는 단계를 통해 구축되며,상기 평가 기준은, 상기 낙상 예측 정확도의 최소값, 최대값, 평균값, 리드 타임과 낙상 예측 정확도의 선형 회귀 모델의 기울기 및 r-제곱값 중 적어도 하나가 선택되는 것인 낙상 감지 방법
|
| 7 |
7
제6항에 있어서,상기 지도 학습 머신 러닝 분류기는 SVM (Support Vector Machine), RF(Random Forest), ANN(Artificial Neuron Network) 중 적어도 하나의 지도 학습 머신 러닝 분류기가 선택되는 것인 낙상 감지 방법
|
| 8 |
8
제6항에 있어서, 상기 낙상 예측 모델은 이진 분류, 특징 선택에 따른 이진 분류, 다중 클래스 분류 중 적어도 하나가 선택되는 것인 낙상 감지 방법
|
| 9 |
9
삭제
|
| 10 |
10
제7 항에 있어서,상기 평가 기준은, 상기 지도 학습 머신 러닝 분류기의 선형 회귀 모델의 교차점의 리드 타임 또는 상기 교차점에 대응하는 낙상 예측 정확도 중 적어도 하나가 선택되는 것인 낙상 감지 방법
|
