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
질문

논문 기본 정보

자료유형
학술저널
저자정보
임아론 하예진 (삼성전자) 장영철 조재형 (단국대학교)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제26권 제1호
발행연도
2025.1
수록면
1 - 8 (8page)
DOI
10.5762/KAIS.2025.26.1.1

이용수

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

초록· 키워드

오류제보하기
본 연구는 시계열 데이터의 이상 탐지를 위한 새로운 접근 방식인 Residual Wasserstein Time-Series GAN을 제안한다. 이 모델은 잔차 블록과 Wasserstein 손실 함수를 통합하여 훈련 안정성과 모델 표현력을 향상시켰다. RWTS-GAN의 성능을 평가하기 위해 LSTM Autoencoder와 LSTM Variational Autoencoder를 비교 실험 수행했다. 진촨 니켈 광산의 백필 파이프라인 시스템 모니터링 데이터를 사용하여 실험한 결과, RWTS-GAN은 정밀도 0.95, 재현율 0.94, F1 점수 0.94, ROC AUC 점수 0.99를 기록하며 다른 두 모델보다 우수한 성능을 보였다. 이는 RWTS-GAN이 Wasserstein 손실 함수와 그래디언트 패널티를 통해 학습 안정성을 확보하고, 잔차 블록을 통해 모델의 표현 능력을 향상시켰기 때문으로 분석된다. 본 연구는 RWTS-GAN이 시계열 데이터의 이상 탐지에 효과적인 방법임을 입증하였으며, 제조 현장에서의 설비 이상 탐지 등 다양한 분야에 적용될 수 있는 가능성을 제시하였다. 향후 연구에서는 모델의 오탐률을 줄이기 위한 추가적인 미세 조정과 다양한 산업 분야의 데이터셋에 대한 검증이 필요할 것으로 보인다.

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

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092117817