인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
- 저자정보
피인용 0
초록·키워드
본 연구는 선박 연료 소모량 총합을 예측하기 위한 RNN(Recurrent neural network) 기반 모델을 설계하고, 구조별 성능을 비교하였다. 입력 시퀀스를 기반으로 각 시점의 소비를 예측하는 many-to-many(MTM) 구조와 총합을 직접 예측하는 many-to-one(MTO) 구조를 비교하고, 실제 항차 데이터를 활용해 입력 길이에 따른 예측 정확도를 분석하였다. 실험 결과, MTO 구조는 MTM 및 기존 모델보다 예측 오차가 낮았으며, 입력 길이가 길수록 성능이 향상되었다. 반면 MTM 구조는 입력 길이 증가에 따른 효과가 제한적이었다. 본 연구는 구조 설계와 예측 단위 정합성의 중요성을 실증적으로 제시하며, 향후 트랜스포머를 포함한 최신 시계열 모델의 설계에도 확장 적용 가능하다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-094095038
