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

논문 기본 정보

자료유형
학술저널
저자정보
한용희 (숭실대학교)
저널정보
한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제18권 제1호
발행연도
2023.2
수록면
191 - 197 (7page)

이용수

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

초록· 키워드

오류제보하기
본 연구는 라벨링이 되어있지 않은 데이터에 적용할 수 있는 다양한 비지도학습 머신러닝 모델들을 이용하여 CNC(computerized numerical control) 가공품의 불량 여부를 예측하고 정확도, 정밀도, 재현율, F1 점수를 비교하였다. k-평균의 경우 정밀도만 타 알고리즘 대비 약간의 차이로 가장 우수한 반면 정확도 및 F1 점수가 GMM(Gaussian mixture model) 및 오토인코더 대비 열등한 것으로 나타났다. 또한 GMM과 오토인코더 간 F1 점수 및 정확도 차이는 상대적으로 미미한 반면, 신경망 기반인 오토인코더의 실행 소요 시간은 k-평균 및 GMM 대비 17배 이상임을 확인하였다. GMM의 상대적으로 우수한 평가 지표값과 짧은 소요 실행 시간은 신속한 불량 예측에 따른 CNC 파손 확률 감소 및 실 시스템 구축 비용 절감 등의 실무적 장점을 가지므로 CNC 가공품의 불량 여부 예측에 GMM 모델이 가장 효과적으로 판단된다. 또한 t-SNE(t-distributed stochastic neighbor embedding) 알고리즘을 이용하여 시각화한 결과, 본 문제의 경우 k-평균과 오토인코더는 특성 간 차이가 큰 샘플 구분에 강점을 보인 반면, GMM은 특성의 차이가 상대적으로 적은 샘플 간 구분에 강점을 보임을 확인하였다.

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

최근 본 자료

전체보기

댓글(0)

0