불균형 빅데이터의 효율적인 분류를 위한 생성적 적대 신경망 기반 오버샘플링 기법

Q: 생성적 적대 신경망 기반 오버샘플링 기법이 불균형 빅데이터 분류에 어떤 영향을 미치는가?

연구 결과, 생성적 적대 신경망(GAN) 기반 오버샘플링 기법은 기존 오버샘플링 기법에 비해 소수 클래스에 대한 분류 성능을 효율적으로 향상시킨다. 특히, 분류 모델의 정밀도를 크게 개선하여 부정 오류(False Negative) 비율을 상당한 비율로 낮추는 데 기여한다.

서상현; 전용진; 이종수; 정호재; 김준태

추천

검색

질문

자료유형: 학술대회자료

저자정보: 서상현 (동국대학교) 전용진 (동국대학교) 이종수 (동국대학교) 정호재 (동국대학교) 김준태 (동국대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2017 한국소프트웨어종합학술대회 논문집

발행연도: 2017.12

수록면: 1,030 - 1,032 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

불균형 빅데이터는 특정 클래스에 속한 데이터의 개수가 나머지 클래스에 비해 월등히 많은 빅데이터를 의미한다. 불균형 빅데이터를 이용하여 분류모델을 학습할 경우, 다수 클래스에 해당하는 데이터가 분류모델의 학습에 상대적으로 많은 영향을 주어 소수 클래스에 대한 분류 성능이 저하되는 문제가 발생한다. 이러한 문제의식을 기반으로 소수 클래스의 데이터를 인위적으로 생성시키는 SMOTE 등의 오버샘플링 기법들이 제안되었으나, 분류모 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-569-001734040

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

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)