인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
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
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.12
- 수록면
- 358 - 365 (8page)
- DOI
- 10.7315/CDE.2020.358
이용수
초록· 키워드
Sudden vehicle problems while driving cause great damage to the driver. In this context, it is necessary to monitor important vehicle parts’ condition and take appropriate actions in advance based on condition analysis. This paper implements a model for predicting the occurrence of a certain failure code before 24 hours based on gathered DTC (Diagnostic Trouble Code) data with LSTM (Long Short-Term Memory)-Autoencoder. LSTM is a type of RNN (Recurrent Neural Network) that can solve data long-term dependency problems and is suitable for learning many time-series data to create classification and regression models. In particular, the model is a stacked autoencoder structure consisting of several LSTMs, showing higher accuracy than normal LSTM. The case study shows that the proposed method gives a reasonable performance on predicting the failure code.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- ABSTRACT
- 1. 서론
- 2. 기존 연구 리뷰
- 3. 차량 고장 코드 발생 예측 알고리즘
- 4. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
UCI(KEPA) : I410-ECN-0101-2021-530-001425231
