전이학습을 통한 기계 소리 이상 탐지

전이학습은 타겟 기계의 학습 소리 데이터가 부족할 때, 기존에 확보한 이종 기계 소리 데이터를 오토인코더의 사전학습에 사용하고, 타겟 기계 데이터로 오토인코더의 인코더를 전이학습하여 이상 탐지 모델의 예측 정확도를 향상하는 학습 방법이다.

연구 결과, 모든 버전의 전이학습 실험에서 베이스라인 모델보다 평균 ROC-AUC 정확도가 유의미하게 향상되었다. 이는 타겟 기계 데이터가 부족한 상황에서도 이종 기계 데이터를 활용한 전이학습이 이상 탐지 모델의 성능을 효과적으로 개선할 수 있음을 시사한다.

학술대회자료

저자정보: 배정수 (한국외국어대학교) 방승일 (경기대학교) 함예린 (수원대학교) 정재하 (수원대학교) 최혜정 (수원대학교) 안홍렬 (수원대학교)

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

오류 신고하기

피인용 0

검색

초록·키워드

MIMII dataset 은 산업용 기계 조사의 이상 탐지를 위한 소리 데이터셋이다. 본 연구에서는 MIMII dataset 을 활용하여 소리 데이터로 특정 기계의 이상 탐지하는 모델을 개발하는 방법으로, 다른 종류의 기계 모델의 소리 데이터로 ... 전체 초록 보기

UCI(KEPA) : I410-151-24-02-089232864

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