메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
배진수 (고려대학교) 김성범 (고려대학교)
저널정보
대한산업공학회 대한산업공학회 추계학술대회 논문집 2020년 대한산업공학회 추계학술대회
발행연도
2020.11
수록면
3,675 - 3,685 (11page)

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
중국 우한에서 발생한 코로나바이러스(COVID-19)는 2020년 9월 24일 기준 국내 23,341명 확진자와 사망자 393명을 발생시켰고 전 세계적으로 많은 인명 피해를 끼치고 있다. 만약 코로나 신규 확진자 추세를 예측할 수 있다면 효과적인 대비책을 두어 인명 피해를 줄일 수 있다. 본 논문은 머신러닝과 딥러닝 모델을 이용하여 미래의 코로나 신규 확진자 추세를 예측하는 방법론을 제안한다. 본 연구에서는 여러 개의 모델을 결합해 하나의 모델보다 우수한 성능을 보여주는 앙상블(ensemble)계열의 랜덤 포레스트(random forest)와 그레디언트 부스팅(gradient boosting) 사용을 제안하였으며, 시계열 데이터 예측에 적합한 딥러닝 모델인 장기-단기 기억 신경망(long short-term memory model)를 함께 제안하였다. 실험 결과, 집단 감염으로 인한 신규 확진자가 급증하는 추세와 감소하는 추세 예측에 장기-단기 기억 신경망 모델이 우수한 예측 성능을 보여주었으며, 산발적으로 확진자가 발생하는 시기에는 랜덤 포레스트 모델과 그레디언트 부스팅 모델이 효과적인 예측 성능을 보여주는 것을 확인하였다. 본 논문은 국내 코로나 신규 확진자 추세 예측을 최초로 시도한 연구로, 제안 방법론을 통해 향후 코로나 신규 확진자 추세를 예측하고 인명 피해를 줄이는 대비책 마련에 이용될 수 있음을 밝힌다.

목차

1. 서론
2. 방법론
3. 예측 결과
4. 결론
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0