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 : 전영표(Young Pyo Jun) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
DARNN 기반 서울시 행정구역별 COVID-19 확산 예측 모델
박연재(Yeonjae Park),전영표(Young Pyo Jun),이홍래(Hongrae Lee),조영래(Young-Rae Cho) 한국정보과학회 2021 정보과학회 컴퓨팅의 실제 논문지 Vol.27 No.11
2020년 한해동안 서울시에는 코로나바이러스 확진자가 지속적으로 발생하였다. 서울시 각 행정구역마다 코로나바이러스 확진자의 주 발생 원인이 다를 수 있지만, 공통적인 요인도 존재한다. 이 발생원인은 소규모 감염 요인과 집단 감염 요인으로 구분된다. 본 연구에서는 다양한 감염 요인에 대한 변수들을 최적화하는 DARNN (Dual-Stage Attention-Based Recurrent Neural Network) 기법을 사용하여 COVID-19 확산 예측 모델을 제시한다. 2020년 서울시의 각 행정구역별 코로나바이러스 확진자 수에 대한 시계열 데이터와 확진자 발생 패턴에 대한 행정구역들 사이의 상관관계, 각 행정구역별 유동인구 등의 정보를 활용한 실험에서, 제안된 DARNN 모델은 기존에 널리 활용되는 LSTM (Long Short-Term Memory) 모델과 비교하여 우수한 예측 정확도를 보였다. In 2020, several coronavirus confirmed cases had been reported in Seoul. Although each administrative district in Seoul might have distinct causes of coronavirus infection, there also exist common causes between administrative districts. The cause of this occurrence can be divided into small-scale infection and mass infection. In this study, we propose a model for predicting COVID-19 diffusion using the DARNN (Dual-Stage Attention-Based Recurrent Neural Network) technique that optimizes the variables related to various causes of infection. In the experiment using the time-series data of the number of confirmed cases, the correlations between administrative districts in respect to the confirmation patterns, and the floating populations in each administrative district, the proposed DARNN model outperformed the widely used LSTM (Long Short-Term Memory) model in terms of prediction accuracy.
-
Azure Kinect를 사용한 요가 운동 프로그램 설계 및 구현
박종훈(Jong Hoon Park),심대한(Dae Han Sim),전영표(Young Pyo Jun),이홍래(Hongrae Lee) 한국컴퓨터정보학회 2021 韓國컴퓨터情報學會論文誌 Vol.26 No.6
본 논문에서는 Azure Kinect를 사용하여 요가 자세의 정확도를 측정하고 판단하는 프로그램을 설계하고 구현하였다. 이 프로그램은 Azure Kinect Camera와 센서를 통해 사용자의 모든 관절 위치를 측정한다. 측정한 관절의 값은 두 가지 방법으로 정확도를 판단하는 데이터로 사용된다. 측정된 관절 데이터는 삼각법과 피타고라스의 정리를 통하여 관절의 각도를 구한다. 또한, 측정된 관절 값은 상대적인 위치 값으로 변경한다. 각각 계산하여 구한 값은 목표하고자 하는 자세의 관절 값 및 상대적 위치 값과 비교하여 정확도를 판단한다. Azure Kinect Camera를 통해 사용자가 본인의 자세를 확인할 수 있도록 화면을 구성하고 사용자의 자세 정확도를 피드백으로 전달해 사용자의 자세 향상을 유도한다. In this paper, we designed and implemented a program to measure and to judge the accuracy of yoga postures using Azure Kinect. The program measures all joint positions of the user through Azure Kinect Camera and sensors. The measured values of joints are used as data to determine accuracy in two ways. The measured joint data are determined by trigonometry and Pythagoras theorem to determine the angle of the joint. In addition, the measured joint value is changed to relative position value. The calculated and obtained values are compared to the joint values and relative position values of the desired posture to determine the accuracy. Azure Kinect Camera organizes the screen so that users can check their posture and gives feedback on the user’s posture accuracy to improve their posture.
ScienceON연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
