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.
초록·키워드
제조 공정에서는 시계열 센서 데이터를 생성하므로, 시계열 데이터를 이미지로 변환할 수 있는 딥 러닝 기반의 모델이 위험 감지를 위해 채택되고 있다. 제조 공정 데이터는 레이블링된 데이터가 적어 준 지도 학습을 사용하거나 딥러닝 기반으로 데이터를 증강하여 지도 학습을 사용한다. 그러나 준 지도 학습은 지도 학습에 비해 예측 성능이 떨어지며, 딥러닝 기반의 데이터 증강은 모델의 수렴이 어려워 생성된 데이터의 정합성이 떨어진다. 본 논문은 소수의 레이블링 된 2차원 시계열 데이터를 원본 데이터의 변형 없이 채널로 이어 붙여, 정합성 높은 데이터를 생성하는 방법론을 제시한다. 실험 결과, 제안된 방법이 비교 모델보다 공정 위험을 약 8.1~16.7% 더 정확히 감지할 수 있음을 확인하였다.
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-ECN-0101-2023-003-000186637
