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.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김기형
- 발행연도
- 2017
- 저작권
- 아주대학교 논문은 저작권에 의해 보호받습니다.
이용수2
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
IT기술의 발전에 따라 빅데이터 분석의 수요가 급증하고 있다. 특히 사물인터넷(IoT)는 사람들이 만들어 내는 데이터와 달리 유무선 통신 네트워크를 기반으로 가정 내의 다양한 가전 기기 및 센서들이 서로 상호 연결되어 수많은 데이터를 제공한다. 이러한 시계열 데이터(Time series Data)는 실시간으로 대응하여 다양한 서비스를 제공 가능하며 예측을 위한 통계적 분석이 중요하다.
따라서 본 논문에서는 AWS(Amazon Web Service)를 이용하여 실시간 예측 서비스를 위한 사물인터넷환경 아키텍처를 제시하고 다양한 알고리즘 중 시계열 데이터에 알맞은 순환형 신경망(Recurrent Neural Networks)을 이용해 IoT디바이스로부터 받아온 전력, 온도, 습도, 풍속등과 같은 센서 데이터를 이용하여 분석하고 예측데이터를 이용해 사용자에게 필요한 서비스를 제공할 수 있도록 한다.
따라서 본 논문에서는 AWS(Amazon Web Service)를 이용하여 실시간 예측 서비스를 위한 사물인터넷환경 아키텍처를 제시하고 다양한 알고리즘 중 시계열 데이터에 알맞은 순환형 신경망(Recurrent Neural Networks)을 이용해 IoT디바이스로부터 받아온 전력, 온도, 습도, 풍속등과 같은 센서 데이터를 이용하여 분석하고 예측데이터를 이용해 사용자에게 필요한 서비스를 제공할 수 있도록 한다.
목차
제 1 장 서 론 1제 2 장 이론적 배경 2제 1 절 컨볼루션 신경망(Convolutional Neural Networks) 2제 2 절 순환형 신경망(Recurrnet Neural Networks) 4제 1 항 Vanishing Gradient Problem 6제 2 항 LSTM(Long Short-Term Memory) 7제 3 절 Cloud Computing Service 9제 3 장 관련 연구 11제 1 절 AWS IoT Platform 11제 2 절 AWS S3 13제 3 절 AWS EC2 14제 4 절 사물인터넷 환경에서 AWS 활용방향 15제 4 장 제안 방식 16제 1 절 제안한 하이브리드 사물인터넷 아키텍처 16제 2 절 Device Gateway 18제 3 절 Rule Engine 20제 4 절 제안한 하이브리드 환경에서의 GPU Computing 21제 5 절 LSTM 모델 23제 5 장 실험 및 비교 분석 24제 1 절 실험 방법 24제 2 절 실험 환경 25제 3 절 실험 평가 26제 6 장 결론 및 향후 연구 29참고문헌 30Abstract 32
최근 본 자료
댓글(0)
0