RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      확률적 어텐션 매커니즘을 활용한 장비 상태 분류 및 해석 방법론

      한글로보기

      https://www.riss.kr/link?id=A107498196

      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      국문 초록 (Abstract)

      다채널 센서 데이터 분석은 차량 불량 상태 분류 및 제조 장비 상태 모니터링과 같은 다양한 산업응용 분야에서 활용되고 있다. 지난 수년 간 딥러닝 모델이 발전함에 따라 복잡한 다채널 센서 데이터의 특징을 딥러닝 기반 방법론을 통해 추출하려는 연구가 활발히 진행되고 있다. 장비 상태 분류 문제 상황에서 일반적인 딥러닝 모델을 적용할 경우 모든 예측 가능한 범주가 훈련 단계에서 학습되어야 한다는 가정을 따르므로 새로운 범주에 대해서는 대응을 할 수 없다는 한계점이 있다. 하지만 실제 제조 장비를 모니터링하는 과정에서는 새로운 범주가 발생할 수 있으며, 이에 대한 적절한 조치를 위해서는 기존에 정의된 범주로의 분류가 아닌 미학습 범주로 탐지가 되어야 한다. 본 연구에서는 분류 수행과정에서 유의미한 센서를 식별하고, 이에 대한 불확실성을 정량화할 수 있는 불확실성 인식 어텐션 매커니즘을 제안한다. 또한, 제안 모델로부터 도출되는 불확실성 정보는 미학습 범주를 탐지하는 지표로 활용한다. 제안 모델의 우수성을 입증하기 위해 시뮬레이션 데이터 기반의 검증 프로토콜을 구축하여 우수한 분류성능을 유지하면서 다채널 센서에 대한 다양한 해석이 가능함과 더불어 미학습 범주 탐지가 가능함을 확인하였다.
      번역하기

      다채널 센서 데이터 분석은 차량 불량 상태 분류 및 제조 장비 상태 모니터링과 같은 다양한 산업응용 분야에서 활용되고 있다. 지난 수년 간 딥러닝 모델이 발전함에 따라 복잡한 다채널 센...

      다채널 센서 데이터 분석은 차량 불량 상태 분류 및 제조 장비 상태 모니터링과 같은 다양한 산업응용 분야에서 활용되고 있다. 지난 수년 간 딥러닝 모델이 발전함에 따라 복잡한 다채널 센서 데이터의 특징을 딥러닝 기반 방법론을 통해 추출하려는 연구가 활발히 진행되고 있다. 장비 상태 분류 문제 상황에서 일반적인 딥러닝 모델을 적용할 경우 모든 예측 가능한 범주가 훈련 단계에서 학습되어야 한다는 가정을 따르므로 새로운 범주에 대해서는 대응을 할 수 없다는 한계점이 있다. 하지만 실제 제조 장비를 모니터링하는 과정에서는 새로운 범주가 발생할 수 있으며, 이에 대한 적절한 조치를 위해서는 기존에 정의된 범주로의 분류가 아닌 미학습 범주로 탐지가 되어야 한다. 본 연구에서는 분류 수행과정에서 유의미한 센서를 식별하고, 이에 대한 불확실성을 정량화할 수 있는 불확실성 인식 어텐션 매커니즘을 제안한다. 또한, 제안 모델로부터 도출되는 불확실성 정보는 미학습 범주를 탐지하는 지표로 활용한다. 제안 모델의 우수성을 입증하기 위해 시뮬레이션 데이터 기반의 검증 프로토콜을 구축하여 우수한 분류성능을 유지하면서 다채널 센서에 대한 다양한 해석이 가능함과 더불어 미학습 범주 탐지가 가능함을 확인하였다.

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼