ML Note

Multi Layer Perceptron가장 먼저 시도했던 알고리즘은 MLP입니다. MLP는 현재 가장 각광받고 있는 분류기이기 때문에 저희 프로젝트에서도 좋은 성능을 나타낼 수 있을 것이라고 생각하여 먼저 시도하였습니다. Batch size는 32 Epochs는 10으로 설정하였으며, 정형데이터를 이용하였기 때문에 CustomDataset클래스을 만들어 이용했습니다. Train_loader의 X_train은 32(배치 수)*3(피처x, y, z)이고 y_train은 32*1(방위 값)입니다. 네트워크의 구조는 3개의 fully connected layer를 가지도록 구성하였습니다. Activation function으로는 ReLU를 사용하였으며, 이를 통과하기 전에 batch normalization을..

이번 글에서는 전처리를 마친 데이터를 이용하여 분석을 진행한 코드를 리뷰합니다. 데이터 전처리 과정을 마친 후 데이터 분석을 진행하였습니다. 데이터 분석의 목적은 다음과 같습니다. -      수집한 데이터의 경향성을 확인하고 feature와 label의 상관관계를 시각화 하여 데이터를 이해한다. Analysis 함수는 데이터 분석을 수행해 주는 함수입니다. 후술할 데이터 분석 코드는 모두 Analysis 함수 안에 포함되어 있습니다. 실험 데이터 수집 과정에서 예기치 못한 오류로 null값이 측정되었을 수 있습니다. 따라서 null값의 수를 측정해 주었습니다. 또한 describe()를 통해 데이터셋의 통계학적 수치를 확인해 보았습니다. 구동 결과 null 개수는 0개였습니다. 또한 x, y, z축의 ..

Weltried의 프로젝트 주제는 웨어러블 벨트를 이용하여 앉은 자세 시각화와 이를 통한 자세 교정 피드백 어플리케이션 개발입니다. 이를 위해 어플리케이션을 설계하고 개발하는 클라이언트 파트와, 계정 생성 및 AI모델 연동을 위한 서버 파트, 3축 가속도 데이터를 이용하여 현재 자세의 방향을 정의하는 AI 파트로 부서를 나누었습니다. AI파트는 자세 데이터를 이용하여 모델을 학습하고, 이를 통해 실시간으로 현재 자세를 예측하기 위해 다음과 같이 세부 일정을 정하였습니다. -      자세 데이터 수집을 위한 실험 설계-      수집 데이터 가공, 전처리 및 데이터 분석-      모델 설계 이번 글에서는 앉은자세 측정 모델을 개발하기 위한 데이터 수집 과정에 대해 소개합니다. 실험 설계WELT사의 웨어..

Weltried의 앉은 자세 측정 어플리케이션 개발에서 AI부서가 맡은 파트는 3축 가속도 센서로부터 들어오는 raw data를 이용하여 8방향 + 중앙 중 어느 방향으로 사용자가 앉아있는지 판단하는 AI모델을 개발하는 것입니다. Weltried의 웨어러블 벨트에 존재하는 3축 가속도 센서는 5Hz의 속도로 어플에 가속도 데이터값을 전달합니다. 이번 글에서는 전달받은 값을 전처리하고 분석한 코드를 리뷰합니다. raw data는 다음과 같이 x, y, z축 가속도 데이터를 받습니다. raw data 는 팀원 6명이 특정 조건에서 측정하여 데이터를 수집하였습니다. 데이터를 수집한 방법은 다음과 같습니다.총 9방향으로 돌아가며 측정 (0: 후방, 1:우측 후방, 2: 우측, ... , 8: 중앙)허리를 굽힌 ..

-프로젝트 목표 WELT사의 웨어러블 Belt를 이용하여 앉은 자세를 실시간으로 측정하고 시각화하는 어플리케이션 개발 -세부 프로젝트 내용 WELT사의 Belt에 내장된 3축 가속도 센서를 이용하여 9방향(중앙, 8방위)중 어느 방향으로 앉아 있는지 구분한다. 3축 가속도 센서에서 전송된 x, y, z축 가속도 센서 데이터를 이용하여 딥러닝 모델을 학습하고, 학습된 모델을 이용하여 실시간으로 9방향을 예측한다. 실시간으로 측정된 9방향 데이터를 누적하여 8방위 그래프로 시각화한다. 사용자가 그래프를 보고 self feedback할 수 있도록 시각화 하는 것을 목표로 한다. -프로그램 구조 WELT Belt에서 3축 가속도를 측정하여 사용자의 모바일폰으로 전송한다. 모바일폰의 어플리케이션에서는 다시 x, ..