Jaejoon Moon
Research Subjects
Jaejoon Moon has a total of 6 co-authors. Here are the top co-authors by number of shared publications:
- Kyuseok Kim
Department of Artificial Intelligence Software, Korea Polytechnics
2 shared publications - Hyunjung Kim
Institute of Construction and Environmental Engineering, Seoul National University, Seoul 08826, Korea
1 shared publication - Moonseon Jeon1 shared publication
- Seung-Ho Lee1 shared publication
- Yejin Seo1 shared publication
- Youngjoon Cho
Department of Electronics Engineering, Korea University of Technology and Education, Cheonan 31253, Republic of Korea
1 shared publication
Latest Publications
- 30 September 2024
- Published by Korean Institute of Information Technology in The Journal of Korean Institute of Information Technology
- Vol. 22 (9) , 35-41
A Comparative Study on Machine Learning Models for Predicting the Behavior of Pet
저자의 기존 연구에서는 라벨링 된 4가지의 반려동물 행동 데이터를 통해 3가지 모델을 활용한 행동 예측 결과를 선보였다. 본 연구에서는 기존보다 더 많은 행동 데이터를 라벨링 하고 모델도 다양화 할 수 있음을 선보인다. 이에 따라 본 연구에서 활용하는 행동 데이터는 총 16가지이며, 모델은 총 8가지이다. 연구결과, RF(Random Forest), GBM(Gradient Boosting Machine), KNN(K-nearest neighbor) 순으로 정확도가 높음을 알 수 있었다. 본 연구결과를 통해 기계학습 기반의 분류 모델을 활용한 반려동물의 행동 예측의 가능성을 시사하며, 더 나아가 추후에는 질환 예측도 할 수 있을 것으로 기대한다.
- 30 September 2024
- Published by Korean Institute of Information Technology in The Journal of Korean Institute of Information Technology
- Vol. 22 (9) , 35-41
A Comparative Study on Machine Learning Models for Predicting the Behavior of Pet
저자의 기존 연구에서는 라벨링 된 4가지의 반려동물 행동 데이터를 통해 3가지 모델을 활용한 행동 예측 결과를 선보였다. 본 연구에서는 기존보다 더 많은 행동 데이터를 라벨링 하고 모델도 다양화 할 수 있음을 선보인다. 이에 따라 본 연구에서 활용하는 행동 데이터는 총 16가지이며, 모델은 총 8가지이다. 연구결과, RF(Random Forest), GBM(Gradient Boosting Machine), KNN(K-nearest neighbor) 순으로 정확도가 높음을 알 수 있었다. 본 연구결과를 통해 기계학습 기반의 분류 모델을 활용한 반려동물의 행동 예측의 가능성을 시사하며, 더 나아가 추후에는 질환 예측도 할 수 있을 것으로 기대한다.
- 28 February 2023
- Published by Korean Institute of Information Technology in The Journal of Korean Institute of Information Technology
- Vol. 21 (2) , 33-41
A Study on the Artificial Intelligence-based Wearable Sensor Data Pet Behavior Analysis
최근 들어 반려동물을 양육하는 가정이 증가하고 있다. 국내 반려인은 현재 1,500만명으로, 앞으로도 관련 산업 및 시장 규모가 급격히 성장 중에 있다. 여러 가지 관련 서비스 중 반려동물의 헬스케어와 관련된 시장은 그 성장세가 가장 빠른 영역 중 하나이다. 이에, 본 연구에서는 반려동물의 헬스케어를 위한 웨어러블 디바이스를 개발하고 그 성능을 측정하였다. 구체적으로는 반려동물의 생체 데이터를 수집하여 인공지능 기반으로 이들의 행동 패턴을 분석할 수 있는 모델을 제안하였다. 본 연구에서 활용한 방법론은 CNN(Convolutional Neural Network), SVM(Support Vector Machine), RF(Random Forest)이다. 이들 모델 중 RF는 예측 정확도가 0.8999, 정밀도가 0.9008로 측정되어 시장에서 상용 가능한 수준의 성능을 보였다.
- 28 February 2023
- Published by Korean Institute of Information Technology in The Journal of Korean Institute of Information Technology
- Vol. 21 (2) , 33-41
A Study on the Artificial Intelligence-based Wearable Sensor Data Pet Behavior Analysis
최근 들어 반려동물을 양육하는 가정이 증가하고 있다. 국내 반려인은 현재 1,500만명으로, 앞으로도 관련 산업 및 시장 규모가 급격히 성장 중에 있다. 여러 가지 관련 서비스 중 반려동물의 헬스케어와 관련된 시장은 그 성장세가 가장 빠른 영역 중 하나이다. 이에, 본 연구에서는 반려동물의 헬스케어를 위한 웨어러블 디바이스를 개발하고 그 성능을 측정하였다. 구체적으로는 반려동물의 생체 데이터를 수집하여 인공지능 기반으로 이들의 행동 패턴을 분석할 수 있는 모델을 제안하였다. 본 연구에서 활용한 방법론은 CNN(Convolutional Neural Network), SVM(Support Vector Machine), RF(Random Forest)이다. 이들 모델 중 RF는 예측 정확도가 0.8999, 정밀도가 0.9008로 측정되어 시장에서 상용 가능한 수준의 성능을 보였다.