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
김승일 (부산대학교) 노유정 (부산대학교) 강영진 (부산대학교)
저널정보
대한기계학회 대한기계학회 춘추학술대회 대한기계학회 신뢰성부문 2021년도 춘계학술대회 논문집
발행연도
2021.4
수록면
192 - 192 (1page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
기계 시스템의 고장 분류 모델을 생성하기 위해 데이터의 특징 추출과 선택 과정은 매우 중요하다. 특징을 선택한 후 특징 값들의 스케일링 하는 과정은 모델의 학습을 위해 필수적이며, 추출된 특징 값의 범위가 일정하게 하는 스케일링이 제대로 이루어지지 않으면 모델이 제대로 데이터를 학습할 수 없다. 스케일링 방법에는 z-score 변환, 최소-최대 정규화 방법 등 있는데, 기존 연구에서는 임의로 스케일링 방법을 선정하는 경우가 많으며 정규화 방법이 고장 분류 성능에 미치는 영향은 거의 연구되지 않았다. 본 연구에서는 기존의 스케일링 방법을 결합한 새로운 정규화 방법을 제안함으로써 압축기 고장 분류 모델의 성능을 개선하고자 하였다. 이를 위해 정상 압축기로부터 샘플링 된 진동 데이터와 비정상(냉매 부족, 모터 감자) 압축기로부터 샘플링 된 진동데이터에 대하여 특징 추출을 수행한 후, 특징 값에 다양한 스케일링 방법을 적 ... 전체 초록 보기

목차

등록된 정보가 없습니다.

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

UCI(KEPA) : I410-ECN-0101-2021-550-001681424