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.
이용수
초록· 키워드
오류제보하기
본 연구에서는 두 개의 인지도가 높은 심층학습 알고리즘을 사용하여 하나의 폐수처리공정에서 다른 폐수처리공정으로의 전이학습의 적용 가능성을 평가하였다. 구체적으로는, 전이학습을 위한 벤치마크 알고리즘으로4개 및 3개의 은닉층으로 각각 구성된 합성곱 신경망과 장단기 메모리를 사용하였다. 심층학습과 전이학습을 위해 (진주와 청주시에 위치한) 동일한 처리공정을 가지는 2개의 폐수처리시설로부터 2018년부터 2022년까지 총 5년간의 입력 데이터가 제공되었다. 모델의 성능 평가는 평균제곱오차를 기준으로 2개 심층학습과 더불어 2개의 다른 전이학습 적용 방법(사전 훈련된 모델에서 개발된 모든 은닉층을 사용하는 방법과 다수의 은닉층 중 마지막 은닉층만을 훈련에 사용하는 방법)을 채택하여 수행되었다. 평가 결과, 유량 및 생물화학적 산소요구량과 같은 종속 변수에 관계없이 합성곱 신경망과 장단기 메모리의 성능은 상대적으로 유사한 것으로 조사되었으며, 다만 유량 변수의 낮은 변동성으로 인하여 생물화학적 산소요구량에 비해 유량 예측의 정확도가 다소 높은 것으로 평가되었다. 기존 모델의 모든 은닉층을 사용한 전이학습 기법을 두 가지 벤치마크 알고리즘에 적용한 결과 두 알고리즘 모두 유량에 한정하여 예측 성능이 다소 향상되는 것으로 조사되었다. 또한, 다른 전이학습 기법을 사용한 경우에도 벤치마크 알고리즘의 예측 정확도에는 큰 변화가 없는 것으로 평가되었다. 전이학습의 잠재적인 활용 방안으로는 데이터 부족으로 인해 심증학습 기반의 신규 예측 모델 개발이 어려운 타겟 도메인에 (소스 도메인에서 개발된) 기존 모델의 신속한 재사용이 포함될 수 있을 것으로 판단된다.
목차
Abstract
요약
1. 서론
2. 실험 방법
3. 결과 및 고찰
4. 결론
References
참고문헌 (0)
참고문헌 신청이 논문과 함께 이용한 논문
LSTM 기반 수소충전소 고장진단 모델 개발
구본효
,
박시형
,
김동규
대한기계학회 춘추학술대회
2024
.11
LSTM 모델을 이용한 수소 충전소의 일일 수소 판매량 예측 연구
김민수
,
전성탁
,
정태영
한국수소및신에너지학회논문집
2024
.10
생성적 적대 신경망(GAN)을 이용한 시계열 데이터 증강 기법 적용 및 성능 평가에 관한 연구
이창현
,
신동훈
,
전호석
외 3명
한국통신학회 학술대회논문집
2021
.06
Stacked Generative Adversarial Networks을 이용한 텍스트-이미지 변환에 관한 연구
김수빈
,
주궈화
,
주재한
외 1명
한국통신학회 학술대회논문집
2020
.11
소량 데이터 셋 기반 피드백 지도 학습
김진희
,
이웅희
,
김영훈
정보과학회 컴퓨팅의 실제 논문지
2019
.02
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089699565