http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
시계열 데이터의 이상 탐지를 위한 Recurrence Plot 알고리즘 기반 시계열 이미지 생성 방안
오상원(Sangwon Oh),윤준철(Junchul Yoon),김영관(Youngkwan Kim),김진술(Jinsul Kim) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
시계열 데이터에서 이상치를 탐지하기 위해서는 PCA나 오토인코더와 같은 통계적 기법을 사용하거나 RNN 같은 딥러닝 모델을 기반으로 이상치를 탐지한다. 그러나 이상치가 기록되는 환경 및 원인이 단순하지 않고 다양한 변인이 영향을 미치기 때문에 간단한 통계적 기법 또는 RNN 기반 딥러닝 모델만으로 좋은 성능을 기대하기 어렵다. 본 논문에서는 시계열 데이터를 이미지화시켜서 대표적인 이미지의 이진(Binary) 분류 모델인 CNN 기반의 딥러닝 모델을 사용하여 이상치를 탐지하는 방법을 제안하였고 기존 LSTM 기반 모델보다 0.01 높은 F1-Score를 보여줌으로써 동등하거나 더 높은 성능을 도출하였다.
김영광(Yeonggwang Kim),이지훈(Jihoon Lee),윤준철(Junchul Yoon),김영관(Youngkwan Kim),김진술(Jinsul Kim) 한국통신학회 2022 한국통신학회 학술대회논문집 Vol.2022 No.2
전력 수요 예측 분야에서는 전력 부하 모니터링 및 수요 예측과 같은 연구를 수행하기 위해 인공지능을 주로 사용한다. 하지만, 단일 컴퓨터로 학습 시 막대한 양의 자원 소모로 과부하가 발생하게 된다. 이러한 문제점을 해결하기 위해 최근에는 분산 컴퓨팅을 기반으로 한 클라우드 형태의 컴퓨팅 자원을 활용하여 연구를 수행하였다. 하지만 메인 서버로부터 거리가 먼 지역과의 정확하고 빠른 데이터 전송을 위해서는 새로운 기술이 필요하다. 그래서 우리는 본 문제를 해결하기 위해 에지 컴퓨팅을 활용하여 전력 수요 예측을 하기 위한 에지 컴퓨팅을 소개하였으며, 에지 컴퓨팅을 적용 시 응답 처리속도를 비교하였다. 그리고 제안하는 에지 컴퓨팅에서 머신러닝 학습을 수행하여 전력 수요 예측 성능을 측정하였다.