지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제28권 제11호
- 발행연도
- 2022.11
- 수록면
- 557 - 562 (6page)
- DOI
- 10.5626/KTCP.2022.28.11.557
이용수
초록· 키워드
오류제보하기
감염병의 피해를 줄이기 위해서는 감염병 확산 정도를 예측하고 그에 따른 대응책을 마련하는 것이 중요하다. 이제까지 미래 감염자 수를 예측하기 위한 다양한 예측 모델이 제안되었다. 그러나 신종감염병의 경우, 예측에 필요한 충분한 양의 발생 데이터 수집이 어려워 효과적인 예측 모델 구성이 쉽지 않다. 본 논문에서는 데이터의 수가 부족한 경우에도 높은 예측 정확도를 달성할 수 있는 메타 학습 기반의 신종 감염병 예측 기법을 제안한다. 이를 위해 다양한 시계열 데이터로부터 각 시계열 데이터의 특징정보와 최적의 예측 모델 및 하이퍼-파라미터 정보를 담고 있는 메타데이터를 확보하고 이들을 기반으로 모델을 훈련하는 메타 학습을 진행한다. 적은 양의 신종 감염병 데이터를 대상으로 특징 정보를 추출하고 학습된 모델의 입력으로 사용하여 최적의 예측 모델을 도출한다. 최근 수집된 코로나19 데이터를 이용하여, 기간에 따른 다양한 발생 초기 상태를 가정한 실험을 통해 제안한 기법의 우수성을 입증한다.
목차
요약
Abstract
1. 서론
2. 데이터 수집
3. 메타 학습 기반 예측 모델 최적화
4. 실험 및 결과
5. 결론
References
참고문헌 (15)
참고문헌 신청
Rahmadani et al., "Hybrid Deep Learning-Based Epidemic Prediction Framework of COVID-19: South Korea Case," Applied Sciences, Vol. 10, No. 8539, 2020.
Sujath et al., "A machine learning forecasting model for COVID-19 pandemic in India," Stochastic Environmental Research and Risk Assessment, Vol. 34, No. 7, pp. 959-972, 2020.
Rustamat et al., "COVID-19 future forecasting using supervised machine learning models," IEEE Access, Vol. 8, pp. 101489-101499.
Li et al., "Deep learning in bioinformatics: Introduction, application, and perspective in the big data era," Methods, Vol. 166, pp. 4-21, 2019.
Zhang et al., "Self-supervised learning for fast and scalable time series hyper-parameter tuning," arXiv preprint arXiv:2102.05740, 2021.
Sujath et al., "A machine learning forecasting model for COVID-19 pandemic in India," Stochastic Environmental Research and Risk Assessment, Vol. 34, No. 7, pp. 959-972, 2020.
Rustamat et al., "COVID-19 future forecasting using supervised machine learning models," IEEE Access, Vol. 8, pp. 101489-101499.
Li et al., "Deep learning in bioinformatics: Introduction, application, and perspective in the big data era," Methods, Vol. 166, pp. 4-21, 2019.
Zhang et al., "Self-supervised learning for fast and scalable time series hyper-parameter tuning," arXiv preprint arXiv:2102.05740, 2021.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
자기지도 학습 기반의 신종 감염병 예측 모델 추천 기법
한국정보과학회 학술발표논문집
2021 .12
-
시계열 예측 모델을 이용한 반도체 수요 예측
한국통신학회 학술대회논문집
2023 .02
-
사회적 변수를 고려한 LSTM 기반 코로나19 일별 확진자 수 예측 기법
정보과학회 컴퓨팅의 실제 논문지
2022 .02
-
시계열 예측 모델을 이용한 커뮤니티 변화에 대한 예측
한국정보과학회 학술발표논문집
2015 .06
-
Reinforcement Learning for Time Series Forecasting
한국정보과학회 학술발표논문집
2024 .06
-
빅데이터와 딥러닝을 활용한 동물 감염병 확산 차단
지능정보연구
2018 .12
-
Intermittent Demand Forecasting in the Case of Medical Apparatus By Improving Forecasting Accuracy
대한산업공학회 추계학술대회 논문집
2015 .11
-
CNN-LSTM 딥러닝 기반 캠퍼스 전력 예측 모델 최적화 단계 제시
한국산학기술학회 논문지
2020 .10
-
퍼지 예측 시스템을 이용한 국내 전력량 예측
대한전기학회 학술대회 논문집
2018 .07
-
그래프 구조 학습을 이용한 시계열 예측
한국정보과학회 학술발표논문집
2022 .06
-
Datamining 기법을 활용한 일별 항공화물 수요 예측
대한교통학회지
2020 .06
-
코로나19 상황에서 안경사의 신종 감염병에 대한 인식과 윤리인식
한국안광학회지
2021 .12
-
분류를 통한 시계열 예측 기법
한국정보과학회 학술발표논문집
2021 .06
-
계량경제모형간 국내 총화물물동량 예측정확도 비교 연구
대한교통학회지
2015 .02
-
Performance Comparison of Data Driven-based Capacity Forecasting for Supercapacitor
한국통신학회 학술대회논문집
2021 .06
-
기후변화와 감염병
한국에너지기후변화학회 학술대회
2023 .05
-
Incoming Call Forecasting Framework for a Network Service Provider Call Center during Mobile Expo Events
Industrial Engineering & Management Systems
2021 .06
-
재생에너지 발전량 예측제도 참여자원의 태양광 예측오차율 분석
대한전기학회 학술대회 논문집
2024 .04
-
감염병 관련 인터넷 발생 기사 데이터를 활용한 글로벌 감염병 발생 예측
대한산업공학회 춘계공동학술대회 논문집
2021 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
딥러닝과 시계열 모형을 활용한 감염병 확산 수리모형의 개선에 관한 연구
장용주
,
이찬호
,
이정희
외 2명
한국통신학회 학술대회논문집
2022
.06
퓨샷 관계 분류 성능 향상을 위한 메타 데이터 증강
서상현
,
김준태
정보과학회 컴퓨팅의 실제 논문지
2022
.04
스마트워치 기반 COVID-19 전조 증상 탐지를 위한 이상탐지 기술의 성능 비교
조형래
,
김진현
,
한용섭
외 1명
정보과학회 컴퓨팅의 실제 논문지
2022
.07
GPT 파인튜닝을 통한 대화형 AI의료 플랫폼 개발 : 질병 예측 및 대응 웹 서비스 구현
김태완
,
이정우
,
조주희
외 4명
Proceedings of KIIT Conference
2024
.05
기계학습 기반 질병 예측 모델 개발 및 데이터세트 분석
권상민
,
장현진
,
김도윤
외 2명
한국통신학회 학술대회논문집
2023
.06
최근 본 자료
댓글(0)
0