http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 나빈세니아판카루부사미(Naveen-Senniappan Karuppusamy) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
나빈세니아판카루부사미(Naveen-Senniappan Karuppusamy),이동욱(Dong-Uk Lee),권소련(So-Lyeon Kwon),박현재(Hyun-Jae Park),윤수진(Su-Jin Yoon),강보영(Bo-Yeong Kang) 한국정보기술학회 2018 Proceedings of KIIT Conference Vol.2018 No.6
본 연구는 졸음운전으로 인한 사건, 사고를 미연에 방지하기 위해 운전자의 졸음 상태를 뇌전도(Electroencephalography, EEG)를 이용하여 판단하는 정확하고 효율적인 학습 모델을 제안한다. EEG의 측정은 OpenBCI 웹사이트에서 판매하고 있는 Mark IV 모델을 사용하였다. 졸음의 판단 기준은 얕은 수면과 관계있는 고주파 대역에서 알파파의 변화량을 사용하였고, EEG 데이터에 고속 푸리에 변환(Fast Fourier Transform, FFT)과 연속 웨이블릿 변환(Continuous Wavelet Transform, CWT)을 적용 및 비교 하였다. 그리고 순환 인공신경망(Recurrent Neural Network, RNN)을 기반으로 한 학습 모델을 이용하였을 때 높은 분류 정확도를 보였다. 따라서 본 연구가 제안한 학습 모델은 졸음 상태 판단에 적합하다는 것을 보여준다. In this study, we propose an accurate and efficient learning model to determine driver"s drowsiness using electroencephalography (EEG) in order to prevent accidents caused by drowsiness during driving. EEG measurements were made using the Mark IV headset model, which is available on the OpenBCI website. The criterion of drowsiness was the change of the alpha wave in the high frequency band related to light sleep where Fast Fourier Transform (FFT) and Continuous Wavelet Transform (CWT) were applied for tagging the sleep and awake regions which was then classified using a model based on Recurrent Neural Network (RNN) that showed high classification accuracy. Therefore, this study suggests that the proposed learning model is suitable for drowsiness detection..
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
