클래스 불균형 해결을 위한 Diffusion Model 기반 Oversampling

Q: 이 논문에서 정의한 클래스 불균형이란 무엇인가?

분류 학습 과정에서 데이터셋을 구성하는 각 클래스별 빈도 차이가 크게 발생하는 상태를 의미한다. 이러한 불균형은 모델이 다수 클래스에 편향되게 학습되어 소수 클래스의 예측 성능을 저하시키는 원인이 되므로 이를 완화하기 위한 오버샘플링 기법이 필요하다.

Q: Diffusion 모델 기반 오버샘플링이 기존 기법보다 효과적인 이유는 무엇인가?

연구 결과, DDPM과 Classifier-free Guidance를 결합하여 소수 클래스 데이터를 생성함으로써 기존 SMOTE나 Adasyn보다 정교한 데이터 분포 학습이 가능했다. 따라서 XGBoost 분류기 적용 시 Recall, F1-score, AUC 등 주요 성능 지표에서 유의미한 향상을 나타냈다.

장건희; 조원근; 임성수; 김동일

자료유형: 학술대회자료

저자정보: 장건희 (충남대학교) 조원근 (충남대학교) 임성수 (충남대학교) 김동일 (이화여자대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2023 한국컴퓨터종합학술대회 논문집

발행연도: 2023.6

수록면: 563 - 565 (3page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

본 논문은 이진 분류 학습에서 빈번하게 발생하는 불균형 상태를 개선하기 위해 diffusion 기반의 학습을 진행하여 소수 클래스 oversampling의 방법을 제안한다. 제안하는 방법은 불균형 상태의 다양한 데이터 분포를 학습하며 데이터 ... 전체 초록 보기

참고문헌

참고문헌 신청

최근 본 자료

전체보기

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)