피어슨 상관계수를 이용한 실시간 적응형 모델 학습 기법

Q: 이 논문에서 정의한 적응형 모델 학습이란 무엇인가?

실시간으로 변화하는 데이터에 맞춰 모델을 지속적으로 학습시키는 기법이다. 이를 통해 모델은 최신 데이터의 패턴을 반영하여 예측 정확도를 향상시킬 수 있으며, 본 연구에서는 피어슨 상관계수를 활용해 상관관계가 높은 데이터를 추출하여 학습에 적용한다.

Q: 피어슨 상관계수를 활용한 적응형 모델 학습이 예측 성능에 어떤 영향을 미치는가?

연구 결과, 상관관계가 높은 데이터만을 추출하여 학습한 적응형 모델은 일반 모델보다 시간대별 편차가 낮고 검증 손실 값인 MAE가 현저히 낮게 나타났다. 따라서 일반 모델 대비 예측 정확도가 크게 향상되는 효과가 있다.

이동호; 이민서; 이재서; 박희조; 전현성; 유시환

학술대회자료 Full-text

저자정보: 이동호 (단국대학교) 이민서 (단국대학교) 이재서 (단국대학교) 박희조 (단국대학교) 전현성 (단국대학교) 유시환 (단국대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2021 한국소프트웨어종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

기계학습의 수요가 증가함에 따라 원 데이터에서 학습 과정에 사용하는 데이터를 분리하는 전처리 기법에 대한 관심이 증가하고 있다. 전처리를 통해 기계 학습에 적합한 정제된 학습 데이터를 골라내면 보다 더 정확한 모델 생성이 가능하다. 피어슨 상관계수는 두 변수 간 관계를 수학적으로 파악하는 통계학 기법이 ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

댓글(0)