Assistive environment is a physical space which supports the aged or the people with disabilities with appropriate assistive technology. It provides users with various automated services and helps their autonomous activities.
The users are required to give commands to their assistive environment to receive desired services. However, due to the physical difficulties, it is very inconvenient for them to continually control and pay attention to their assistive system. If the system can learn user’s life pattern to automatically suggest the behaviors user may want to perform, the user can reduce the burden of giving numerous orders repeatedly.
Furthermore memory impaired person are getting increased all around world. Dementia people are getting increased with very high rate especially. Regular daily life can reduce a rate of contraction of dementia people. Human behavior suggestion system can help memory impaired person to live regularly.
But characteristic of human behavior involves uncertainty, inconsistency, ambiguity, time-variance. Thus a prediction and suggestion of user’s next action are known to be difficult. In this study, human behavior suggestion system based on Fuzzy-state Q-Learning with multiple features is suggested for memory impaired person.
In this study, we also proposed a new feature, a averaged frequency for human behavior suggestion system. The averaged frequency feature means how many times user repeat it for a day or for a regular periodic unit.
To evaluate the validity of proposed human behavior suggestion system using multiple features, we experiment based on Fuzzy-state Q-Learning using real data, INT data base and TV viewing pattern data. Also we compare the results in human behavior suggestion with the existing human behavior suggestion system using general feature. The experiment results show that the success rate of proposed method is better than the existing system.
보조공학 환경은 노약자와 장애인의 적합한 보조공학 기술을 이용한 물리적 공간을 말한다. 이러한 보조공학 환경은 사용자의 불편을 해소하고 생활의 편의를 도모한다.
그러나 지금의 보조공학 시스템에서 사용자가 원하는 서비스를 제공받기 위해서는 사용자가 보조공학 시스템에게 명령을 주어야 한다. 그러나 노약자와 장애인의 경우 보조공학 시스템에 지속적인 명령을 주는데 신체적 장애로 인해서 어려움을 겪을 수 있다. 보조공학 시스템이 사용자의 생활 패턴을 학습하고 시스템 스스로 사용자가 원하는 다음 행동을 예측하여 다음 행동을 제안할 수 있다면 사용자가 보조공학 시스템에 지속적이고 반복적인 명령을 주어야 하는 짐을 덜 수 있다.
뿐만 아니라 세계적으로 기억 손상인의 인구가 증가하고 있다. 고령화 시대에 따라서 치매 환자 역시 급격히 증가하는 추세이다. 규칙적인 일상 생활은 치매 환자의 이환율을 막고 병의 진행을 막는다. 인간 행동 제안 시스템은 사용자가 원하는 행동이나 해야 하는 다음 행동을 제안하여 기억 손상인의 규칙적인 생활을 돕는데 효과적이다. 이러한 인간 행동 제안 시스템은 기억 손상인의 규칙적인 생활을 돕는다.
본 논문에서는 다중 특징 정보를 이용하여 사용자의 다음 행동을 제안하였다. 또한 인간 행동의 특성을 고려한 새로운 특징, 평균 빈도수 특징을 제안하였다. 평균 빈도수 특징은 사용자가 일정한 시간 단위 내에서 하나의 행동을 몇 번이나 반복하는 지를 말한다.
본 논문에서는 실제 장애인으로부터 획득한 데이터인 INT 데이터와 TV 시청 패턴 데이터를 이용하여 제안한 다중 특징을 이용한 퍼지 상태 큐 러닝 기반의 인간 행동 제안 시스템의 성능을 평가하였다. 그 결과 기존의 인간 행동 제안 시스템에 비해 높은 성공률을 획득하였다.
