함수형 모형 및 ConvLSTM기반 동작분석

Abstract

함수형 데이터(Functional data)는 시계열 데이터와 같이 유한한 한 시점에서 관찰된 일련의 데이터로 각 실험자에 대해 하나 또는 여러 개의 함수로 기록되는 데이터이다. 이러한 함수형 데이터를 분류하기 위한 다양한 방법들이 제안되었다. 특히, 분류 및 예측에 사용되는 함수형 로지스틱 회귀(Functional logistic regression) 모형은 이진 반응 변수에서 쓰이는 대표적인 예측 모형이다. 그러나 불균형 데이터에서 분류 정확도가 좋지 않으며 하나의 단변량에 대해서만 예측 및 분류가 가능하다는 한계가 있다. 위 문제들을 해결하기 위해 본 논문이 제안하는 방법론은 함수형 로지스틱 회귀모형과 ConvLSTM의 혼합 모델을 통해 동작을 분류하는 동작 예측 모형이다. 시뮬레이션 데이터를 생성하여 기존 방법론인 함수형 로지스틱 회귀 모형과 ConvLSTM 모델 그리고 제안하는 방법론인 FLRconvLSTM 예측 모형을 비교하였다. 또한 실제 동작 데이터인 보행 데이터에도 적용하여 무릎, 발목 등 10개의 요소에 대해 성능을 비교하였다. 이와 같이 본 논문에서는 시뮬레이션 데이터와 실제 동작 데이터를 통해 제안하는 방법론의 성능을 검증하였다.