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
- 권오병
- 발행연도
- 2023
- 저작권
- 경희대학교 논문은 저작권에 의해 보호받습니다.
이용수15
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
빅데이터 처리 기술의 발전에 따라 여러 차원의 정형 데이터들이 다양한 분야에서 저장되고 있으며 모델링에 사용되고 있다. 그러나 모든 변수들을 모델링에 그대로 활용할 경우 학습시간이 오래 소요되고 과적합이 발생하는 등 효과적이지 못하다. 이를 해결하기 위해 주성분 분석과 같은 차원축소 방법이 보편적으로 많이 사용되어 왔으나 범주형 데이터셋에서는 사용이 제한되며, 범주형 데이터셋의 차원축소를 위하여 다중대응분석 등이 연구되었지만 정보 손실이 심하고 적용 가능한 값에 제한이 있는 등 여러 한계점이 있다. 따라서 본 연구에서는 이러한 문제점을 해결하기 위한 멀티모달 딥러닝 기반의 다차원 범주형 데이터 처리 방안을 새롭게 제안한다. 범주형 변수는 이미지 변환 후 합성곱 신경망으로, 연속형 변수는 심층 신경망으로 각각 학습 후 통합하는 멀티모달 딥러닝 모델을 고안하였다. 모델의 성능 고찰은 수출입 통관을 담당하는 정부기관의 데이터셋을 대상으로 부적합 식품 탐지 성능을 다양한 모델들과 비교하여 진행하였다. 이에 대한 구체적인 설명을 위해 본 연구에서는 첫째, 전반적인 분석 프로세스를 설계한다. 둘째, 수출입 통관 데이터셋을 설명하고 분석을 위한 전처리 과정을 설명한다. 셋째, 본 연구에서 제안한 모델의 핵심 개념을 설명한다. 마지막으로 수출입 통관 데이터셋의 부적합 식품 탐지 성능을 멀티모달 딥러닝 기법과 다양한 분석 모델을 함께 비교하여 본 연구에서 제안한 모델의 우수성을 입증하였다.
목차
1. 서론 ································ 12. 이론적 배경 ····························· 32.1 오버피팅 해결 방법 ························ 32.2 멀티모달 딥러닝 ························· 142.3 부적합 식품 탐지 ························ 212.4 예측 알고리즘 선정 문제 ····················· 233. 연구 방법 ····························· 273.1 분석 절차 ···························· 273.2 데이터 수집 ··························· 303.3 데이터 전처리 및 파생변수 생성 ················· 323.4 멀티모달 ···························· 373.5 모델링 ····························· 404. 결과4.1 성능비교 ···························· 425. 토의 및 결론5.1 시사점 ···························· 485.2 한계점 ···························· 506. 참고 문헌 ····························· 51
최근 본 자료
댓글(0)
0