메뉴 건너뛰기

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
(고려대학교) (덕성여자대학교) (덕성여자대학교)
저널정보
한국산업정보학회 한국산업정보학회논문지 한국산업정보학회논문지 제30권 제1호
발행연도
수록면
51 - 65 (15page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
이 논문의 연구방법이 궁금하신가요?
🏆
연구결과
이 논문의 연구결과가 궁금하신가요?
AI에게 요청하기
추천
검색
질문

초록· 키워드

스마트 팩토리에서 운영되는 여러 센서들을 원활히 사용하기 위해서는 센서의 상태를 지속적으로 모니터링하는 것이 중요하다. 최근, 심층학습 기술의 발달로, 여러 센서들에서 수집되는 다변량 시계열 데이터에 대하여 그래프 신경망 기반의 이상 탐지 모델이 활발히 연구되고 있다. 하지만, 기존 모델들은 주로 단일 스케일에서 도출한 그래프 구조에 의존하여 이상을 탐지하였기에, 모델이 특정 주기에 편향되어 다양한 시간 주기에서 나타나는 이상치를 탐지하기 어려웠다. 이에 본 논문에서는 여러 개의 스케일을 이용하여 시게열 데이터의 장기적 및 단기적 시간 특성을 분석하고, 이러한 특성을 센서 간 상관관계를 학습하는 과정에 반영하는 그래프 신경망 기반의 다변량 시계열 이상 탐지 기법을 제안한다. 공개 공장 센서 데이터셋을 활용한 실험 결과, 여러 개의 스케일을 이용하여 다양한 시간 주기를 반영하는 것이 이상 탐지 성능 개선에 기여할 수 있음을 확인하였다.
#그래프 신경망 #이상 탐지 #다변량 시계열 데이터 #그래프 구조 #Graph Neural Network #Anomaly Detection #Multivariate Time-Series Data #Graph Structure
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

목차

  1. 요약
  2. Abstract
  3. 1. 서론
  4. 2. 관련 연구
  5. 3. 제안하는 기법
  6. 4. 실험 환경
  7. 5. 실험 결과
  8. 6. 결론
  9. References

참고문헌

참고문헌 신청

최근 본 자료

전체보기
260429_DBpiaAI
260319_딥리서치
260319_AI리더
260304_새학기에이전트
260429 전공별 추천 이벤트
260428 이주의질문
260304_아그논문롤
260127_아그논문
260127_AI뷰어
UCI(KEPA) : I410-151-25-02-092487127