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
황희선 (이화여자대학교) 민대기 (이화여자대학교)
저널정보
대한산업공학회 대한산업공학회지 대한산업공학회지 제49권 제4호
발행연도
2023.8
수록면
294 - 308 (15page)
DOI
10.7232/JKIIE.2023.49.4.294

이용수

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

이 논문의 연구 히스토리 (4)

2023

전이학습을 이용한 시계열 데이터의 결측치 대체와 예측 성능과의 상관성 분석
황희선 ,  민대기 대한산업공학회지 2023.08 학술저널
전이학습 및 LSTM 모델을 기반으로 한 회귀 데이터 결측 값 대체와 예측 성과의 관계에 관한 연구
황희선 2023.01 학위논문

2022

전이학습 및 LSTM 모델 기반의 회귀 데이터 결측값 대체와 예측 연구
황희선 ,  민대기 대한산업공학회 춘계공동학술대회 논문집 2022.06 학술대회자료
전이학습 및 LSTM 모델 기반의 회귀 데이터 결측값 대체와 예측 연구
황희선 ,  민대기 한국경영과학회 학술대회논문집 2022.06 학술대회자료

초록· 키워드

오류제보하기
Missing values incur the lack of data availability and/or inaccurate predictions in the problem of time series prediction. We consider a transfer learning method for missing data imputation in time series data and test two research hypothesis; the first hypothesis is that the high similarity between two time series, one containing missing values and the other used for transfer learning, improves the imputation performance. Second, a better imputation performance results in a better prediction accuracy. Empirical analysis reveals that the transfer learning with high similarity in two time series improves the imputation performance. As known in the literature, we found a positive correlation between imputation performance and prediction accuracy. However, the correlation between imputation performance and prediction accuracy becomes insignificant when the time series has low volatility and a short length of consecutive missing data. It means that a simple method for missing data imputation is preferred to an expensive but effective method such as transfer learning if the time series is highly stable and predictable.
#Time Series Data #Missing Value Imputation #Transfer Learning #Prediction Accuracy #LSTM

목차

1. 서론
3. 연구 가설
3. 연구 방법론 및 실험 계획
4. 수치 실험 결과
5. 결론
참고문헌

참고문헌 (31)

참고문헌 신청
Burgette, L. F. and Reiter, J. P. (2010), Multiple Imputation for Missing Data Via Sequential Regression Trees, American Journal of Epidemiology, 172(9), 1070-1076. google schola Cao, W., Wang, D., Li, J., Zhou, H., Li, L., and Li, Y. (2018), Brits: Bidirectional Recurrent Imputation for Time Series, Advances in Neural Information Processing Systems, 31. google schola Chen, Y., Wang, J., Huang, M., and Yu, H. (2019), Cross-position Activity Recognition with Stratified Transfer Learning, Pervasive and Mobile Computing, 57, 1-13. google schola Chen, Z., Xu, H., Jiang, P., Yu, S., Lin, G., Bychkov, I., Hmelnov, A., Ruzhnikov, G., Zhu, N., and Liu, Z. (2021), A Transfer Learning-Based LSTM Strategy for Imputing Large-Scale Consecutive Missing Data and Its Application in a Water Quality Prediction google schola Emmanuel, T., Maupong, T., Mpoeleng, D., Semong, T., Mphago, B., and Tabona, O. (2021), A Survey on Missing Data in Machine Learning, Journal of Big Data, 8(1), 1-37. google schola

이 논문의 저자 정보

이 논문과 함께 이용한 논문

의류 판매량 장기 예측을 위한 트랜스포머 기반 시계열 예측 모델
이진우 ,  박태남 ,  조용원 외 6명 대한산업공학회지 2025 .02
금융 특화 감정분석 모델과 딥러닝 시계열 예측 모델을 활용한 코스피 지수 예측
정가연 ,  이혁제 ,  이준영 외 1명 대한산업공학회지 2024 .08
드론을 포함한 3종 운송수단의 배송경로 최적화
김동현 ,  정지혜 ,  최인찬 대한산업공학회지 2023 .02
시계열 데이터를 이용한 인공신경망 기반 공작기계 가공상태 모니터링
김강석 ,  이득우 한국정밀공학회 학술발표대회 논문집 2023 .11
코로나19 확진자 수 예측을 위한 딥러닝 모델: 확산 패러다임 변화를 반영한 입력변수 조정
홍태경 ,  김은서 ,  이희상 대한산업공학회지 2023 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0102-2023-530-001919256