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
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
류서현 (한양대학교) 이다경 (한양대학교) 안길승 (현대자동차) 허선 (한양대학교)
저널정보
대한산업공학회 대한산업공학회지 대한산업공학회지 제49권 제1호
발행연도
2023.2
수록면
15 - 27 (13page)
DOI
10.7232/JKIIE.2023.49.1.015

이용수

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

이 논문의 연구 히스토리 (3)

2023

시계열 데이터의 자동기계학습을 위한 메타 모델 기반의 특징 선택 방법
류서현 ,  이다경 ,  안길승 외 1명 대한산업공학회지 2023.02 학술저널
자동 기계학습에서 시계열 데이터의 특징 선택을 위한 의사결정나무 기반의 메타 모델
류서현 산업경영공학과 2023.01 학위논문

2022

시계열 분류 자동화를 위한 메타 모델 기반의 특징 선택 방법
류서현 ,  이다경 ,  안길승 외 1명 대한산업공학회 추계학술대회 논문집 2022.11 학술대회자료

초록· 키워드

오류제보하기
Feature engineering is a key step to construct machine learning model as it determines the upper limit of model’s performance. However, designing feature engineering is generally iterative, complex and time-consuming step. Also, the large scale of time series data is rapidly generated from the industry, but there is a shortage of data scientists to handle them. So, it has become necessary to automate this process. In this paper, we aim to develop a meta model-based feature selection method that can learn about which features work best given the dataset. The proposed meta-model is a kind of warm-start that can search from the candidate features that is expected to be good without starting a new search for each data. Proposed method is compared by real time-series datasets obtained from UEA & UCR Time Series Classification Repository. Then, we show the proposed method outperforms random search in terms of F1-measure.
#Automated Machine Learning(AutoML) #Feature Selection #Time Series Classification #Decision Tree #Meta-Learning

목차

1. 서론
2. 문제 정의
3. 제안 방법
4. 실험 및 결과
5. 결론
참고문헌

참고문헌 (21)

참고문헌 신청
Abanda, A., Mori, U., and Lozano, J. A. (2019), A Review on Distance Based Time Series Classification, Data Mining and Knowledge Discovery, 33(2), 378-412. google schola Ahn, G. and Hur, S. (2020), Efficient Genetic Algorithm for Feature Selection for Early Time Series Classification, Computers & Industrial Engineering, 142, 106345. google schola Bagnall, A., Lines, J., Bostrom, A., Large, J., and Keogh, E. (2017), The Great Time Series Classification Bake Off: A Review and Experimental Evaluation of Recent Algorithmic Advances, Data Mining and Knowledge Discovery, 31(3), 606-660. google schola Bandt, C. and Pompe, B. (2002), Permutation Entropy: A Natural Complexity Measure for Time Series, Physical Review Letters, 88(17), 174102. google schola Barandas, M., Folgado, D., Fernandes, L., Santos, S., Abreu, M., Bota, P., Liu, H., Schultz, T., and Gamboa, H. (2020), TSFEL: Time Series Feature Extraction Library, SoftwareX, 11, 100456. google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

유전알고리즘 기반 로트 타겟팅 최적화 연구: 반도체 포토공정을 대상으로
한광욱 ,  강봉권 ,  김해중 외 1명 대한산업공학회지 2022 .10
Unsupervised Human Action Recognition via Recurring GWR Self-organizing map
이현수 ,  김병국 ,  김기백 외 1명 대한산업공학회 춘계공동학술대회 논문집 2023 .05
다양한 길이의 시계열 이상 탐지를 위한 3D-DTW
김종원 ,  박주호 ,  김성수 외 1명 대한산업공학회 추계학술대회 논문집 2023 .11
LLM 기반 평가지표에 대한 Prompt 전략 성능 비교
김중훈 ,  박새란 ,  정기윤 외 4명 대한산업공학회 추계학술대회 논문집 2023 .11
희귀도와 속성에 따른 수집품 NFT의 잠재계층 분류 및 가치 분석
구훈영 ,  이근철 ,  이희정 대한산업공학회지 2023 .08

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-530-000380751