KR101171054B1 - 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법 - Google Patents

휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법 Download PDF

Info

Publication number
KR101171054B1
KR101171054B1 KR1020050135773A KR20050135773A KR101171054B1 KR 101171054 B1 KR101171054 B1 KR 101171054B1 KR 1020050135773 A KR1020050135773 A KR 1020050135773A KR 20050135773 A KR20050135773 A KR 20050135773A KR 101171054 B1 KR101171054 B1 KR 101171054B1
Authority
KR
South Korea
Prior art keywords
portable terminal
function mode
user
recognition model
mode
Prior art date
Application number
KR1020050135773A
Other languages
English (en)
Other versions
KR20070071917A (ko
Inventor
김기응
박준아
장욱
조성정
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020050135773A priority Critical patent/KR101171054B1/ko
Publication of KR20070071917A publication Critical patent/KR20070071917A/ko
Application granted granted Critical
Publication of KR101171054B1 publication Critical patent/KR101171054B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72466—User interfaces specially adapted for cordless or mobile telephones with selection means, e.g. keys, having functions defined by the mode or the status of the device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M2250/00—Details of telephonic subscriber devices
    • H04M2250/12—Details of telephonic subscriber devices including a sensor for measuring a physical value, e.g. temperature or motion

Abstract

본 발명은 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법에 관한 것으로서, 본 발명의 실시예에 따른 휴대 단말기 파지 패턴의 적응적 학습 장치는, 사용자가 휴대 단말기를 파지함에 따라 상기 휴대 단말기와의 접촉 영역을 감지하는 감지부; 상기 휴대 단말기의 기능 모드를 인식하는 기준이 되는 자료인 인식 모델을 저장하고 있는 인식 모델 데이터 베이스부 내부의 상기 인식 모델과 상기 접촉 영역에 대한 정보를 비교하여 상기 휴대 단말기의 기능 모드를 구동시키는 비교 구동부; 상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는지 여부를 판단하는 판단부; 상기 판단부의 판단 결과에 따라 상기 인식 모델 데이터베이스부를 업데이트시키는 업데이트부를 포함한다.
휴대 단말기의 파지 패턴에 따른 기능 모드의 전환에 있어서 사용자의 피드백을 이용하여 파지 패턴의 인식 모델을 적응적으로 업데이트함으로써 파지 패턴의 개인별 특성을 반영할 수 있는 효과가 있다.
인식 모델, 강화 학습 이론, Q-learning 알고리즘

Description

휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법{APPARATUS AND METHOD FOR LEARNING ADAPTIVELY GRIP PATTERNS OF MOBILE DEVICES}
도 1은 휴대 단말기의 기능 모드에 따른 파지 패턴을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 휴대 단말기 파지 패턴의 적응적 학습 장치의 전체 구성을 나타내는 도면이다.
도 3은 상기 도 2의 구성 중 감지부의 구성을 나타내는 도면이다.
도 4는 본 발명의 실시예에 적용되는 강화 학습 이론 알고리즘에 대한 모델링을 나타내는 도면이다.
도 5는 본 발명의 실시예에 따른 휴대 단말기 파지 패턴의 적응적 학습 방법의 전체 흐름을 나타내는 도면이다.
*도면의 주요 부분에 대한 설명*
100: 감지부 110: 접촉 감지 센서
120: 접촉 신호 처리부 200: 비교 구동부
300: 판단부 400: 업데이트부
500: 인식모델 데이터베이스부
본 발명은 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법에 관한 것으로서, 더욱 상세하게는, 휴대 단말기의 파지 패턴에 따른 휴대 단말기의 기능 모드의 전환에 있어서 사용자의 피드백을 이용하여 파지 패턴의 인식 모델을 적응적으로 업데이트함으로써 파지 패턴의 개인별 특성을 반영할 수 있는, 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법에 관한 것이다.
최근 휴대폰이나 PDA(Personal Digital Assistants)와 같은 휴대 단말기의 보급이 확산되면서, 하나의 휴대 단말기가 다양한 기능을 수행할 수 있도록 제작되고 있다. 예컨대, 휴대폰은 기본적으로 통화 기능을 갖는 단말기이나 최근의 휴대폰은 통화 기능뿐만 아니라 SMS(Short Message Service), 디지털 카메라, MP3 플레이어, 동영상 재생 등의 기능을 더 갖추고 있다. 이처럼 휴대 단말기의 기능이 다양해짐에 따라 사용자는 하나의 휴대 단말기로 복합적인 서비스를 제공 받을 수 있게 되었다.
일반적으로 복수의 기능을 갖는 휴대 단말기를 특정 기능 모드로 동작시키기 위해서, 사용자는 휴대 단말기에 구비된 키패드나 터치패드 등을 조작하여 자신이 원하는 기능을 수행하도록 하는 기능 모드를 검색하고 해당 기능 모드로의 전환을 지시해야 한다. 예컨대, 사용자는 휴대 단말기의 디스플레이부를 통해 제공되는 메뉴 화면을 확인하면서 휴대 단말기에 구비된 방향키를 조작하여 자신이 원하는 기능 모드를 검색한다. 디스플레이부를 통해 사용자가 원하는 기능 모드가 검색되면 사용자는 선택버튼을 조작하여 검색된 기능 모드를 선택할 수 있으며, 이때 휴 대 단말기는 사용자가 선택한 기능 모드로 전환된다. 이러한 종래의 기술을 따를 경우, 휴대 단말기를 각 기능 모드로 전환시키기 위해서는 사용자가 다단계의 키 입력 과정을 거쳐야 하는 불편함이 따르게 된다.
한편, 휴대 단말기의 기능 모드 전환을 간편히 하기 위해, 휴대 단말기에 단축키가 구비되기도 한다. 상기 단축키에는 휴대 단말기를 특정 기능 모드로 전환시키는 키 값이 맵핑되어 있으며, 사용자가 단축키를 사용하면 단일 키 조작에 의해 휴대 단말기의 기능 모드를 전환시킬 있게 된다. 그러나, 단축키를 사용하는 경우에도, 휴대 단말기의 사용에 익숙하지 않은 사용자는 특정 기능 모드에 맵핑된 단축키를 숙지해야 하는 불편함이 따르게 된다. 또한, 휴대 단말기에 구비될 수 있는 단축키의 숫자는 제한될 수 밖에 없으므로, 점점 다양해지는 휴대 단말기의 각 기능들을 위해 일일이 단축키를 할애하는 것은 휴대 단말기에 구비될 수 있는 키 인터페이스 공간의 낭비를 초래한다.
따라서, 상술한 바와 같이 휴대 단말기의 기능 모드를 전환시키기 위해 다단계의 단말기 조작 과정을 거쳐야 하는 불편함을 해소하기 위한 발명이 본 출원인에 의해 특허 출원(10-2004-0095293)되었다. 그러나, 상기 출원은 휴대 단말기의 기능 모드를 인식하는 기준이 되는 자료인 인식 모델을 사전에 구축해 놓아야 하는 제한이 존재하며, 실제 사용 환경에서는 사용자 개개인의 특성에 따른 파지 패턴의 차이 및 사용자의 습관 변화에 따른 파지 자세의 변화를 반영하지 못한다는 한계가 존재한다.
본 발명은 상기와 같은 문제점을 해결하기 위해 고안된 것으로서, 휴대 단말기의 파지 패턴에 따른 휴대 단말기의 기능 모드에 대한 사용자의 피드백을 이용하여 인식 모델을 적응적으로 변경할 수 있도록 하는, 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법을 제공하는 데 있다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위한 본 발명의 실시예에 따른 휴대 단말기 파지 패턴의 적응적 학습 장치는, 사용자가 휴대 단말기를 파지함에 따라 상기 휴대 단말기와의 접촉 영역을 감지하는 감지부; 상기 휴대 단말기의 기능 모드를 인식하는 기준이 되는 자료인 인식 모델을 저장하고 있는 인식 모델 데이터 베이스부 내부의 상기 인식 모델과 상기 접촉 영역에 대한 정보를 비교하여 상기 휴대 단말기의 기능 모드를 구동시키는 비교 구동부; 상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는지 여부를 판단하는 판단부; 상기 판단부의 판단 결과에 따라 상기 인식 모델 데이터베이스부를 업데이트시키는 업데이트부를 포함한다.
또한, 본 발명의 실시예에 따른 휴대 단말기 파지 패턴의 적응적 학습 방법은, 사용자가 휴대 단말기를 파지함에 따라 상기 휴대 단말기와의 접촉 영역을 감지하는 감지 단계; 상기 휴대 단말기의 기능 모드를 인식하는 기준이 되는 자료인 인식 모델을 저장하고 있는 인식 모델 데이터 베이스부 내부의 상기 인식 모델과 상기 접촉 영역에 대한 정보를 비교하여 상기 휴대 단말기의 기능 모드를 구동시키는 비교 구동 단계; 상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는지 여부를 판단하는 판단 단계; 상기 판단 결과에 따라 상기 인식 모델 데이터베이스부를 업데이트시키는 업데이트 단계를 포함한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이하, 본 발명의 바람직한 실시예들을 설명하기 위한 블럭도 또는 흐름도들을 참조하여 보다 상세히 설명한다.
도 1은 휴대 단말기의 기능 모드에 따른 파지 패턴을 나타내는 도면이다.
휴대 단말기는 통화 모드, SMS 모드, 디지털 카메라 모드 등 다양한 기능 모드를 구비할 수 있다. 상기 도 1에 도시된 바와 같이 사용자가 휴대 단말기를 사용할 경우, 휴대 단말기의 기능 모드에 따라 휴대 단말기를 파지하는 패턴에 차이가 있다. 본 발명의 실시예에 따른 휴대 단말기에서는 사용자가 의도하는 기능 모드를 인식하여 인식된 기능 모드로 전환하게 되는데, 이러한 전환을 위한 제어 정 보로써 사용자가 휴대 단말기를 파지하는 형태 및 자세에 관한 정보(이하, "파지 정보"라 한다)를 사용할 수 있다. 즉, 사용자의 파지 정보에 따라 사용자가 의도하는 휴대 단말기의 기능 모드를 인식할 수 있다. 이 경우, 사용자가 휴대 단말기를 파지함에 따라 사용자의 손과 접촉하는 휴대 단말기 외부 표면의 접촉 영역에 관한 정보(이하, '접촉 정보'라 한다)가 상기 파지 정보로 사용될 수 있다.
이와 더불어, 상기 사용자가 휴대 단말기를 파지함에 따라 휴대 단말기에 설정된 소정의 기준축을 기준으로 하여 휴대 단말기가 회전 운동을 하게 되거나 기준축이 중력 방향과 특정한 각도를 이루며 기울어져 있는 경우, 상기 휴대 단말기의 회전각 또는 방향성에 관한 정보(이하, 이러한 정보를 '움직임 정보'라 한다)도 상기 파지 정보로 사용될 수 있을 것이다. 또한, 휴대 단말기에 탈부착할 수 있는 외부 장치의 '탈부착 상태'도 상기 파지 정보(접촉 정보 및 움직임 정보)와 더불어서 사용자가 원하는 휴대 단말기의 기능 모드를 인식하기 위한 정보로 사용될 수 있다.
도 2는 본 발명의 실시예에 따른 휴대 단말기 파지 패턴의 적응적 학습 장치의 전체 구성을 나타내는 도면이다. 상기 도 2를 참조하면, 감지부(100), 비교 구동부(200), 판단부(300), 업데이트부(400), 및 인식 모델 데이터베이스부(500)를 포함하고 있다.
감지부(100)는 사용자가 휴대 단말기를 파지함에 따라 상기 휴대 단말기와의 접촉 영역을 감지하는 역할을 한다. 이를 위해, 감지부(100)는 접촉 여부를 감지할 수 있는 하나 이상의 접촉 감지 센서를 포함할 수 있으며, 각 접촉 감지 센서는 휴대 단말기의 표면에 위치할 수 있다. 도 3을 참조하여 감지부(100)에 대해 설명하기로 한다.
도 3은 상기 도 2의 구성 중 감지부(100)의 구성을 나타내는 도면이다. 상기 도 3을 참조하면, 감지부(100)는 하나 이상의 접촉 감지 센서(110) 및 접촉 신호 처리부(120)를 포함할 수 있다.
접촉 감지 센서(110)는 상기 사용자의 파지에 따른 접촉 여부를 감지하여 상기 접촉 여부를 나타내는 신호를 후술할 접촉 신호 처리부(120)로 출력한다. 접촉 감지 센서(110)는 사용자와의 직접적인 접촉 여부를 감지하는 접촉식 센서일 수도 있으나, 본 발명은 이에 한정되지 않는다. 따라서, 접촉 감지 센서(110)는 사용자와의 직접적인 접촉이 없더라도 사용자의 손과 같은 신체 부위가 상기 휴대 단말기와 일정 거리 이내에 위치하면 이를 감지하여 접촉이 일어난 것으로 판단할 수 있는 비접촉식 센서일 수도 있다.
또한, 감지부(100)는 상기 사용자가 상기 휴대 단말기를 파지함에 따라, 상기 휴대 단말기에 설정된 소정의 기준축을 기준으로 하여 상기 휴대 단말기가 회전한 각도 또는 상기 기준축이 중력 방향과 이루는 각도를 감지할 수도 있다. 이를 위해, 감지부(100)는 기계식 또는 MEMS(micro electro-mechanical systems) 기술로 제작된 관성 센서 또는 가속도 센서를 포함할 수 있다. 예컨대, 자이로스코프를 사용하여 감지부(100)를 구성한다면, 감지부(100)는 휴대 단말기의 회전 운동으로 인한 회전각을 측정할 수 있다. 한편, MEMS식 가속도 센서를 사용하여 감지부(100)를 구성한다면 휴대 단말기의 회전 운동으로 인한 회전각뿐만 아니라 휴대 단 말기의 기울임으로 인해 휴대 단말기의 특정 기준 축과 중력 방향 사이의 각도를 측정할 수도 있다. 이 경우, 비교 구동부(200)는 상기 휴대 단말기의 기능 모드를 인식하는데 있어서 상기 감지된 각도에 대한 정보를 부가적으로 사용할 수 있다.
접촉 신호 처리부(120)는 접촉 감지 센서(110)에 의해 출력된 신호를 조합하여 상기 접촉 영역에 대한 접촉 정보를 생성하며, 생성된 접촉 정보를 후술할 비교 구동부(200)로 제공한다.
다시 도 2를 참조하여 설명하면, 비교 구동부(200)는 상기 휴대 단말기의 기능 모드를 인식하는 기준이 되는 자료인 인식 모델을 저장하고 있는 인식 모델 데이터 베이스부(500) 내부의 상기 인식 모델과 상기 접촉 정보를 비교하여 상기 휴대 단말기의 기능 모드를 구동시키는 역할을 한다.
이 경우, 비교 구동부(200)는 접촉 신호 처리부(120)로부터 상기 접촉 정보를 제공받고, 미리 구축되어 있는 인식 모델 데이터베이스부(500) 내부에 상응하는 인식 모델이 있을 경우 상기 인식 모델에 따라 해당 기능 모드로 전환하여 구동하게 된다. 그러나, 개개인마다 휴대 단말기를 파지하는 패턴이 차이가 있으며 또한 각 개인도 휴대 단말기를 사용함에 따라 파지 패턴이 환경에 따라 변할 수 있다. 이러한 경우에는 휴대 단말기를 사용할 때마다 사용자의 변화된 파지 패턴을 반영할 수 있는 피드백 과정을 이용하여 파지 패턴에 대한 인식 모델을 업데이트시켜야 할 것이다.
상기 업데이트를 수행하기 위해서 강화 학습 이론(Reinforcement learning theory) 알고리즘이 이용될 수 있는데, 이는 도 4를 설명하는 부분에서 후술할 것 이다.
판단부(300)는 비교 구동부(200)에 의해 구동된 휴대 단말기의 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는지 여부를 판단하는 역할을 한다. 이 경우, 판단부(300)는 일치 여부를 상기 사용자가 휴대 단말기에 대해 입력하는 소정 행위를 이용하여 판단하게 된다.
예를 들어, 사용자가 디지털 카메라 기능을 이용하여 사진 촬영을 하기 위해 휴대 단말기를 파지하였으나 도 1의 모드 2(통화 모드)의 파지 자세로 일정 시간 이상 파지한 경우에는 사용자의 의도와는 달리 통화 기능 모드가 구동될 것이다. 그 이후부터 사용자는 사진 촬영을 위해 습관적으로 도 1의 모드 2의 자세로 파지하게 되었으며, 그때마다 구동되는 통화 기능 모드를 매번 사진 촬영 모드로 다시 변환하는 것이 번거로워서 차라리 모드 2의 자세로 파지하더라도 사진 촬영 모드가 구동되기를 희망하게 되었다.
이 경우에는 사용자가 모드 2의 자세로 파지하여 휴대 단말기에 통화 모드 기능이 표시되면, 사용자는 상기 입력 행위를 취하여 거부 의미의 피드백 신호를 휴대 단말기의 판단부(300)로 입력시킬 수 있다. 상기 입력 행위는 상기 휴대 단말기를 흔드는 행위 또는 상기 휴대 단말기에 구비된 키 버튼을 누르는 행위 등이 될 수 있다. 이러한 행위는 본 발명의 일 실시예일뿐 이러한 행위에 한정되는 것은 아니다.
판단부(300)는 사용자의 거부 의미를 나타내는 행위를 입력받으며, 상기 구동된 휴대 단말기의 기능 모드가 사용자가 원래 의도한 기능 모드와 일치하는지 여 부를 판단하게 되며, 그것이 거부 의미로 판단될 경우에는 업데이트부(400)로 하여금 상기 인식 모델을 업데이트하도록 제어한다.
업데이트부(400)는 판단부(300)의 판단 결과에 따라 인식 모델 데이터베이스부(500)를 업데이트시키게 된다.
한편, 상기 도 4는 본 발명의 실시예에 적용되는 강화 학습 이론 알고리즘에 대한 모델링을 나타내는 도면이다. 상기 도 4를 참조하여, 강화 학습 이론 알고리즘 중 Q-learning 알고리즘을 이용하여 신경망(Neural Network)으로 표현되는 비교 구동부(200)의 모델링 과정을 설명한다. 아래의 설명은 본 발명의 일 실시예로서, Q-learning 알고리즘 뿐 아니라 SARSA 등 기타 여러 강화학습 알고리즘으로 확장 적용할 수 있고, 또한 신경망 뿐 아니라 서포트 벡터 머신(Support Vector Machine) 등 기타 여러 함수근사자(Function Approximator) 모델로 확장 적용할 수 있다.
먼저, 상태 공간(state space)은 {x1, ..., xN, z, θ'}으로 표현될 수 있는데, 상기 x1 내지 상기 xN 은 감지부(100)에 의해 감지된 N 개의 센서 입력 데이터로서 실제 파지 패턴에 대한 데이터를 의미하며, 상기 z는 사용자의 파지 순간부터 상기 파지 패턴에 상응하는 기능 모드가 구동되기까지 걸리는 시간을 나타내는 지연 카운터(delay counter)를 의미하며, 상기 θ'는 상기 휴대 단말기의 직전 단계의 기능 모드를 의미한다.
그리고, 상기 θ는 상기 휴대 단말기가 현재 나타낼 수 있는 액션(action)의 종류인 기능 모드를 의미하므로, 액션 공간(action space)는 {θ}가 될 것이다. 상기 액션 공간의 θ는 상기 기능 모드로 구동되기 직전의 준비 화면 모드와 상기 준비 화면에 의한 기능 모드 화면, 그리고, 준비 화면 모드도 아니고 기능 모드 화면도 아닌 화면 모드를 취할 수 있다. 상기 Q는 Q-learning 알고리즘에 의한 함수값을 의미하며, 상기 wi는 i 번째 입력 데이터에 대한 가중치를 의미한다. 그리고, 상기 netQ 는 특정의 기능 모드에 대한 모든 입력 요소의 합을 나타낸다. 상기 netQ 이 클수록 해당 기능 모드가 구동될 확률이 높게 된다.
본 발명의 일 실시예에서, 상기 기능 모드가 구동될 확률은 하기의 <수학식1>에 의해 구동될 수 있다.
<수학식1>
Figure 112005078571018-pat00001
여기서, 상기 T는 상기 액션을 수행한 횟수에 반비례하는 템프러쳐(temperature) 파라미터를 의미하며, 상기 Q(x1, ..., xN , z, θ')는 Q-learning 알고리즘에 의한 출력 함수값을 의미한다.
한편, 판단부(300)의 판단 결과에 따라 업데이트부(400)가 상기 기능 모드의 인식 모델을 업데이트하는 과정은 하기의 <수학식 2>에 의해 업데이트될 수 있다.
<수학식2>
Figure 112005078571018-pat00002
여기서, 상기 Δwi는 상기 인식 모델을 업데이트하기 위한 가중치의 변화량을 의미하며, 상기 γ는 감가 상각 비율을 의미하며, 상기 α는 상기 <수학식2>에 대한 비례상수를 의미한다. 그리고, 상기 R은 순간 보상치를 의미하는데 이 경우의 R 값은, 상기 구동된 기능 모드가 사용자가 의도한 기능 모드와 일치하여 거부를 하지 않는 경우에는 0으로 설정하고, 일치하지 않는 경우에는 -1로 설정할 수 있다.
상기 Γ는 상기 <수학식2>에 대한 가중치를 의미하는데, 어떤 파라미터에 연결되느냐에 따라 달리 입력된다. 감지부(100)에 의해 감지된 i 번째의 센서 입력 데이터인 xi 에 대해서는
Figure 112005078571018-pat00003
값으로 결정되고, 상기 z에 대해서는
Figure 112005078571018-pat00004
값으로 결정되고, 상기 θ'에 대해서는
Figure 112005078571018-pat00005
값으로 결정된다. 여기서, 상기 netj는 상기 j 번째 기능 모드에 대한 가중치 wj에 대한 수식
Figure 112005078571018-pat00006
에 의해 산출될 수 있다. 여기서, wj0 는 바이어스 텀(bias term)으로서 상기 netj 값을 특정하는 역할을 한다.
따라서, 상기 <수학식2>에 의해 산출되는 Δwi 값이 0이 될 경우에는 상기 휴대 단말기의 파지 패턴에 대한 거부 의미의 피드백이 없다는 의미이므로, 해당 기능 모드에 대한 인식 모델은 그대로 유지된다. 그러나, 상기 <수학식2>에 의해 산출되는 Δwi 값이 존재할 경우에는 상기 인식 모델이 업데이트되는데, Δwi 값이 클수록 사용자가 변경하고자 하는 기능 모드로 구동될 확률이 높아지게 될 것이다.
이와 같이, 사용자가 원하는 기능 모드에 대해 판단부(300)의 지속적인 판단 과정과 상기 <수학식2>를 이용한 업데이트부(400)의 업데이트 과정이 반복되면, 인식 모델 데이터베이스부(500)에 저장된 인식 모델이 사용자의 의도에 맞게 업데이트될 것이다.
한편, 상기와 같은 본 발명의 실시예에서 사용되는 '~부'라는 용어, 즉 '~모듈' 또는 '~테이블' 등은 소프트웨어, FPGA(Field Programmable Gate Array) 또는 주문형 반도체(Application Specific Integrated Circuit, ASIC)와 같은 하드웨어 구성요소를 의미하며, 모듈은 어떤 기능들을 수행한다. 그렇지만, 모듈은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. 모듈은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 모듈은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구성요소들과 모듈들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 모듈들로 결합되거나 추가적인 구성요소들과 모듈들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 모듈들은 디바이스 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
이하, 본 발명의 실시예에 따른 동작 과정을 도 5를 참조하여 설명한다.
도 5는 본 발명의 실시예에 따른 휴대 단말기 파지 패턴의 적응적 학습 방법의 전체 흐름을 나타내는 도면이다.
먼저, 사용자가 휴대 단말기를 특정의 파지 패턴으로 파지하게 되면(S100), 감지부(100)는 사용자의 상기 휴대 단말기와의 접촉 영역을 감지하게 된다(S110). 이때, 감지부(100) 내의 접촉 감지 센서(110)가 상기 사용자의 파지에 따른 접촉 여부를 나타내는 신호를 출력하고, 접촉 신호 처리부(120)가 상기 신호를 조합하여 상기 접촉 정보를 생성하게 된다.
비교 구동부(200)는 상기 휴대 단말기의 기능 모드를 인식하는 기준이 되는 자료인 인식 모델을 저장하고 있는 인식 모델 데이터 베이스부(500) 내부의 상기 인식 모델과 상기 접촉 정보를 비교하여 상기 휴대 단말기의 기능 모드를 구동시키게 된다(S120).
한편, 감지부(100)는 상기 휴대 단말기에 설정된 소정의 기준축을 기준으로 하여 상기 휴대 단말기가 회전한 각도 또는 상기 기준축이 중력 방향과 이루는 각도를 감지할 수도 있으며, 이 경우 상기 비교 구동부(200)는 상기 휴대 단말기의 기능 모드를 인식하는데 있어서 상기 감지된 각도에 대한 정보를 부가적으로 사용할 수 있다.
판단부(300)는 상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는지 여부를 판단한다(S130). 이 경우, 상기 사용자의 입력 행위를 이용하여 판단할 수 있는데, 상기 휴대 단말기를 흔드는 행위 또는 상기 휴대 단말기에 구비된 키 버튼을 누르는 행위를 이용하여 판단할 수 있다.
상기 판단 결과에 따라 업데이트부(400)는 인식 모델 데이터베이스부(500)를 업데이트하게 된다(S140). 업데이트부(400)의 제어하에 인식 모델 데이터베이스부(500)의 인식 모델은 업데이트되며, 비교 구동부(200)는 업데이트된 결과를 반영하여 상기 기능 모드를 새롭게 구동하게 되는데, 강화 학습 이론 알고리즘을 이용하여 구동할 수 있다. 상기 기능 모드는 상기 <수학식1>에 의한 확률값에 비례하여 구동될 수 있음은 이미 상술하였으므로, 여기서는 설명을 생략하기로 한다.
그리고, 업데이트부(400)에 의한 상기 인식 모델의 업데이트 과정은 상기 <수학식2>에 의해 수행될 수 있다는 것도 이미 상술하였으므로, 설명을 생략하기로 한다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적 인 특징을 벗어나지 않는 범위 내에서 여러 가지로 치환, 변형 및 변경이 가능하므로 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
본 발명의 실시예에 따른 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법에 따르면, 휴대 단말기의 파지 패턴에 따른 기능 모드의 전환에 있어서 사용자의 피드백을 이용하여 파지 패턴의 인식 모델을 적응적으로 업데이트함으로써 파지 패턴의 개인별 특성을 반영할 수 있는 효과가 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

Claims (20)

  1. 사용자가 휴대 단말기를 파지함에 따라 상기 휴대 단말기와의 접촉 영역을 감지하는 감지부;
    상기 휴대 단말기의 기능 모드를 인식하는 기준으로서 인식 모델 데이터 베이스부에 저장되는 인식 모델과 상기 접촉 영역에 대한 정보를 비교하여 상기 휴대 단말기의 기능 모드를 구동시키는 비교 구동부;
    상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는지 여부를 판단하는 판단부;
    상기 판단부의 판단 결과에 따라 상기 인식 모델 데이터베이스부를 업데이트시키는 업데이트부를 포함하되,
    상기 판단부는,
    상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는지 여부를 상기 사용자의 입력 행위를 이용하여 판단하는, 휴대 단말기 파지 패턴의 적응적 학습 장치.
  2. 제 1 항에 있어서,
    상기 감지부는,
    상기 사용자의 파지에 따른 접촉 여부를 나타내는 신호를 출력하는 하나 이상의 접촉 감지 센서; 및
    상기 신호를 조합하여 상기 접촉 영역에 대한 정보를 생성하는 접촉 신호 처리부를 포함하는, 휴대 단말기 파지 패턴의 적응적 학습 장치.
  3. 제 1 항에 있어서,
    상기 감지부는,
    상기 사용자가 상기 휴대 단말기를 파지함에 따라, 상기 휴대 단말기에 설정된 소정의 기준축을 기준으로 하여 상기 휴대 단말기가 회전한 각도 또는 상기 기준축이 중력 방향과 이루는 각도를 감지하며, 상기 비교 구동부는 상기 휴대 단말기의 기능 모드를 인식하는데 있어서 상기 감지된 각도에 대한 정보를 부가적으로 사용하는, 휴대 단말기 파지 패턴의 적응적 학습 장치.
  4. 삭제
  5. 제 1 항에 있어서,
    상기 입력 행위는,
    상기 휴대 단말기를 흔드는 행위 또는 상기 휴대 단말기에 구비된 키 버튼을 누르는 행위인, 휴대 단말기 파지 패턴의 적응적 학습 장치.
  6. 제 1 항에 있어서,
    상기 비교 구동부는,
    강화 학습 이론 알고리즘을 이용하여 상기 기능 모드를 구동시키는, 휴대 단말기 파지 패턴의 적응적 학습 장치.
  7. 제 6 항에 있어서,
    상기 기능 모드는,
    Figure 112005078571018-pat00007
    에 해당하는 확률값에 따라 구동되며, 상기 θ는 상기 휴대 단말기가 현재 나타낼 수 있는 액션인 기능 모드를 나타내는 파라미터이며, 상기 θ'는 상기 θ가 나타내는 액션인 현재 기능 모드의 직전 단계의 액션인 기능 모드를 나타내는 파라미터이며, 상기 z는 상기 기능 모드를 구동하기까지 걸리는 시간의 길이를 나타내는 지연 카운터를 의미하며, 상기 x1 내지 상기 xN 은 상기 감지부에 의해 감지된 N 개의 입력 데이터를 의미하며, 상기 T는 상기 액션을 수행한 횟수에 반비례하는 파라미터를 의미하며, 상기 Q(x1, ..., xN , z, θ', θ)는 Q 학습 알고리즘에 의한 함수값을 의미하는, 휴대 단말기 파지 패턴의 적응적 학습 장치.
  8. 제 7 항에 있어서,
    상기 업데이트부는, 하기의 제1 수식인
    Figure 112011105177535-pat00008
    을 이용하여 상기 인식 모델 데이터베이스부를 업데이트시키며, 상기 Δwi는 상기 인식 모델에 대한 가중치의 변화량을 의미하며, 상기 R은 순간 보상치를 의미하며, 상기 γ는 감가 상각 비율을 의미하며, 상기 Γ는 상기 제1 수식에 대한 가중치를 의미하며, 상기 α는 상기 제1 수식에 대한 비례상수를 의미하는, 휴대 단말기 파지 패턴의 적응적 학습 장치.
  9. 제 8 항에 있어서,
    상기 R 값은,
    상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는 경우에는 0으로 설정하고 일치하지 않는 경우에는 -1로 설정하는, 휴대 단말기 파지 패턴의 적응적 학습 장치.
  10. 제 9 항에 있어서,
    상기 Γ 값은,
    상기 감지부에 의해 감지된 i 번째의 입력 데이터인 xi 에 대해서는
    Figure 112005078571018-pat00009
    에 의해 결정되고, 상기 z에 대해서는
    Figure 112005078571018-pat00010
    에 의해 결정되고, 상기 θ'에 대해서는
    Figure 112005078571018-pat00011
    에 의해 결정되며, 상기 netj는 상기 j 번째 기능 모드에 대해 상기 xi 가 입력되는 경우의 가중치 wji에 대한 수식
    Figure 112005078571018-pat00012
    에 의해 산출되는, 휴대 단말기 파지 패턴의 적응적 학습 장치.
  11. 사용자가 휴대 단말기를 파지함에 따라 상기 휴대 단말기와의 접촉 영역을 감지하는 감지 단계;
    상기 휴대 단말기의 기능 모드를 인식하는 기준으로서 인식 모델 데이터 베이스부에 저장되는 인식 모델과 상기 접촉 영역에 대한 정보를 비교하여 상기 휴대 단말기의 기능 모드를 구동시키는 비교 구동 단계;
    상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는지 여부를 판단하는 판단 단계;
    상기 판단 결과에 따라 상기 인식 모델 데이터베이스부를 업데이트시키는 업데이트 단계를 포함하되,
    상기 판단 단계는,
    상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는지 여부를 상기 사용자의 입력 행위를 이용하여 판단하는 단계를 포함하는, 휴대 단말기 파지 패턴의 적응적 학습 방법.
  12. 제 11 항에 있어서,
    상기 감지 단계는,
    상기 사용자의 파지에 따른 접촉 여부를 나타내는 신호를 출력하는 단계; 및
    상기 신호를 조합하여 상기 접촉 영역에 대한 정보를 생성하는 단계를 포함하는, 휴대 단말기 파지 패턴의 적응적 학습 방법.
  13. 제 11 항에 있어서,
    상기 감지 단계는,
    상기 사용자가 상기 휴대 단말기를 파지함에 따라, 상기 휴대 단말기에 설정된 소정의 기준축을 기준으로 하여 상기 휴대 단말기가 회전한 각도 또는 상기 기준축이 중력 방향과 이루는 각도를 감지하는 단계를 포함하며, 상기 비교 구동 단계는 상기 휴대 단말기의 기능 모드를 인식하는데 있어서 상기 감지된 각도에 대한 정보를 부가적으로 사용하는 단계를 포함하는, 휴대 단말기 파지 패턴의 적응적 학습 방법.
  14. 삭제
  15. 제 11 항에 있어서,
    상기 입력 행위는,
    상기 휴대 단말기를 흔드는 행위 또는 상기 휴대 단말기에 구비된 키 버튼을 누르는 행위인, 휴대 단말기 파지 패턴의 적응적 학습 방법.
  16. 제 11 항에 있어서,
    상기 비교 구동 단계는,
    강화 학습 이론 알고리즘을 이용하여 상기 기능 모드를 구동시키는 단계를 포함하는, 휴대 단말기 파지 패턴의 적응적 학습 방법.
  17. 제 16 항에 있어서,
    상기 기능 모드는,
    Figure 112005078571018-pat00013
    에 해당하는 확률값에 따라 구동되며, 상기 θ는 상기 휴대 단말기가 현재 나타낼 수 있는 액션인 기능 모드를 나타내는 파라미터이며, 상기 θ'는 상기 θ가 나타내는 액션인 현재 기능 모드의 직전 단계의 액션인 기능 모드를 나타내는 파라미터이며, 상기 z는 상기 기능 모드를 구동하기까지 걸리는 시간의 길이를 나타내는 지연 카 운터를 의미하며, 상기 x1 내지 상기 xN 은 상기 감지 단계에 의해 감지된 N 개의 입력 데이터를 의미하며, 상기 T는 상기 액션을 수행한 횟수에 반비례하는 파라미터를 의미하며, 상기 Q(x1, ..., xN , z, θ', θ)는 Q 학습 알고리즘에 의한 함수값을 의미하는, 휴대 단말기 파지 패턴의 적응적 학습 방법.
  18. 제 17 항에 있어서,
    상기 업데이트 단계는, 하기의 제1 수식인
    Figure 112011105177535-pat00014
    을 이용하여 상기 인식 모델 데이터베이스부를 업데이트시키는 단계를 포함하며, 상기 Δwi는 상기 인식 모델에 대한 가중치의 변화량을 의미하며, 상기 R은 순간 보상치를 의미하며, 상기 γ는 감가 상각 비율을 의미하며, 상기 Γ는 상기 제1 수식에 대한 가중치를 의미하며, 상기 α는 상기 제1 수식에 대한 비례상수를 의미하는, 휴대 단말기 파지 패턴의 적응적 학습 방법.
  19. 제 18 항에 있어서,
    상기 R 값은,
    상기 구동된 기능 모드가 상기 사용자가 의도한 기능 모드와 일치하는 경우에는 0으로 설정하고, 일치하지 않는 경우에는 -1로 설정하는, 휴대 단말기 파지 패턴의 적응적 학습 방법.
  20. 제 19 항에 있어서,
    상기 Γ 값은,
    상기 감지 단계에서 감지된 i 번째의 입력 데이터인 xi 에 대해서는
    Figure 112011105177535-pat00015
    에 의해 결정되고, 상기 z에 대해서는
    Figure 112011105177535-pat00016
    에 의해 결정되고, 상기 θ'에 대해서는
    Figure 112011105177535-pat00017
    에 의해 결정되며, 상기 netj는 상기 j 번째 기능 모드에 대해 상기 xi 가 입력되는 경우의 가중치 wji에 대한 수식
    Figure 112011105177535-pat00018
    에 의해 산출되는, 휴대 단말기 파지 패턴의 적응적 학습 방법.
KR1020050135773A 2005-12-30 2005-12-30 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법 KR101171054B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020050135773A KR101171054B1 (ko) 2005-12-30 2005-12-30 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020050135773A KR101171054B1 (ko) 2005-12-30 2005-12-30 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20070071917A KR20070071917A (ko) 2007-07-04
KR101171054B1 true KR101171054B1 (ko) 2012-08-03

Family

ID=38507015

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020050135773A KR101171054B1 (ko) 2005-12-30 2005-12-30 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101171054B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180089769A (ko) 2017-02-01 2018-08-09 성균관대학교산학협력단 행동 결정 장치 및 방법, 컴퓨터 판독 가능한 저장 매체

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5911961B2 (ja) 2011-09-30 2016-04-27 インテル コーポレイション 意図的でないタッチセンサへの接触を排除するモバイルデバイス
WO2013101220A1 (en) 2011-12-30 2013-07-04 Intel Corporation Mobile device operation using grip intensity
KR102553558B1 (ko) 2016-08-01 2023-07-10 삼성전자 주식회사 전자 장치 및 전자 장치의 터치 이벤트 처리 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180089769A (ko) 2017-02-01 2018-08-09 성균관대학교산학협력단 행동 결정 장치 및 방법, 컴퓨터 판독 가능한 저장 매체

Also Published As

Publication number Publication date
KR20070071917A (ko) 2007-07-04

Similar Documents

Publication Publication Date Title
US10423221B2 (en) Apparatus and method for controlling portable terminal
US6529144B1 (en) Method and apparatus for motion activated control of an electronic device
EP1686778A1 (en) Motion-based sound setting apparatus and method and motion-based sound generating apparatus and method
US8250001B2 (en) Increasing user input accuracy on a multifunctional electronic device
US20040169674A1 (en) Method for providing an interaction in an electronic device and an electronic device
WO2011145304A1 (ja) 携帯型情報処理端末
KR20120018337A (ko) 모바일 디바이스에서 상황 인식
CN101155363A (zh) 利用动作感应实现手机控制的方法和装置
JPWO2005116802A1 (ja) 入力装置及び方法、文字入力方法
US8237552B2 (en) Method and apparatus for controlling input/output interface
WO2008122848A1 (en) Adjustment of screen text size
KR101171054B1 (ko) 휴대 단말기 파지 패턴의 적응적 학습 장치 및 방법
KR20130040607A (ko) 통화 시의 귀를 구별하기 위한 이동 단말 및 그 방법
KR100664964B1 (ko) 휴대 기기를 제어하는 장치 및 방법
KR20070029527A (ko) 다양한 유형들을 편리하게 입력하기 위한 휴대용 디지털장치 및 그 제어 방법
JP2005303870A (ja) 端末装置
JP2023511156A (ja) 撮影方法及び電子機器
KR101375317B1 (ko) 접촉감지센서를 장착한 이동 단말의 조작 방법 및 장치
KR102266426B1 (ko) 바람을 이용한 스마트폰 제어장치 및 그 제어방법
KR101545702B1 (ko) 감지 데이터에 기반하여 동작하는 휴대 단말 및 그 동작 방법
US20110158473A1 (en) Detecting method for detecting motion direction of portable electronic device
KR20060035148A (ko) 모바일 기기의 동작 인식 장치 및 이를 이용한 사용자의동작 인식 방법
KR101203749B1 (ko) 핸드헬링 메시지 입력 방법과 이에 적용되는 단말기
JP2016063366A (ja) 携帯表示端末
WO2010047020A1 (ja) 携帯型入力装置および携帯型入力装置における入力方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150629

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160629

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170629

Year of fee payment: 6