본 연구에서는 1차원(Dimensional) 합성곱 신경망(CNN)에서 호흡 패턴 인식 정확도를 향상시키기 위해 최적의 하이퍼파라미터 조합을 찾는 방법을 제안한다. 제안된 방법은 화성 탐색(harmony search) 알고리즘을 이용하여 1D CNN과 통합되도록 설계되었다. 실험에서는 1D CNN의 합성곱 층 깊이, 각 층에서의 커널 수 및 크기, 그리고 밀집(dense) 층의 뉴런 수를 최적화 대상 하이퍼파라미터로 사용하였다. 실험 결과, 제안된 방법은 다섯 가지 호흡 패턴에 대해 평균 약 96.7%의 인식률을 제공하였으며, 이는 기존 방법에 비해 약 2.8% 향상된 것이다. 또한 최적의 하이퍼파라미터 조합을 도출하는 데 필요한 반복 횟수는 선행 연구에서 2,000,000회였다. 이에 비해, 제안된 방법은 단 3652회의 반복만 필요하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.