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.
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
