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
학술저널
저자정보
이수정 (중앙대학교) 이재헌 (중앙대학교)
저널정보
한국데이터정보과학회 한국데이터정보과학회지 한국데이터정보과학회지 제33권 제2호
발행연도
2022.3
수록면
237 - 248 (12page)
DOI
10.7465/jkdi.2022.33.2.237

이용수

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

초록· 키워드

오류제보하기
자기상관 공정을 모니터링하는 절차에 대해서는 많은 연구가 진행되어 왔는데, 그중에서 가장 많이 사용하는 방법은 관측값을 예측하여 잔차를 계산하고 그 잔차 데이터를 모니터링하는 것이다. 즉, 잔차를 이용함으로써 자기상관 문제를 해결하는 것이다. 이 논문에서는 예측하는 방법으로 딥러닝에 기반한 LSTM (long short-term memory) 모형을 사용하여 자기상관 공정을 모니터링하는 절차를 제안하고, 제안된 절차와 기본적인 RNN (vanilla recurrent neural network) 모형을 사용하는 절차 및 시계열 모형에 적합시키는 절차의 성능을 모의실험을 수행하여 비교하였다. 딥러닝 알고리즘을 기반으로 한 LSTM과 RNN 모형에 기초한 절차가 전반적으로 좋은 성능을 나타냈으며, 시계열 모형에 적합시키는 절차에 비해 정확한 모형 적합의 과정이 필요 없다는 측면에서 효율적인 절차라고 판단된다.

목차

요약
1. 서론
2. 신경망 모형
3. 모의실험 설정 및 잔차 관리도
4. 모의실험 결과
5. 결론
References
Abstract

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-0101-2022-041-001154737