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
- 2025.3
- 수록면
- 57 - 66 (10page)
- DOI
- 10.33162/JAR.2025.3.25.1.057
이용수
초록· 키워드
오류제보하기
Methods: Heart-rate measurements were collected from nine participants over 3 months using commercial smart watches. After conducting sliding-window segmentation and min-max scaling, seven imputation methods were evaluated across missing rates of 5%, 10%, 15%, and 20%. These included three traditional statistical methods (mean, median, and mode), Multi-Layer Perceptron models in deterministic and Bayesian forms, and a Transformer-based Self-Attention Imputation for Time Series (SAITS) model in deterministic and Bayesian (Monte Carlo dropout) variants. Model performance was evaluated using RMSE, MAE, and MAPE.
Results: The conventional statistical approaches resulted in higher errors, highlighting their limitations in capturing complex temporal patterns with simple point estimators. Conversely, machine learning models significantly reduced errors, and SAITS frequently surpassed other methods. The Bayesian framework did not consistently outperform deterministic models in point-estimation accuracy, but it provided valuable uncertainty quantification, particularly in regions with abrupt heart-rate fluctuations.
Conclusion: These findings suggest that incorporating Bayesian principles enhances imputation reliability while offering critical uncertainty estimates. This is particularly advantageous in healthcare contexts, where inaccurate predictions can lead to clinical risks.
Results: The conventional statistical approaches resulted in higher errors, highlighting their limitations in capturing complex temporal patterns with simple point estimators. Conversely, machine learning models significantly reduced errors, and SAITS frequently surpassed other methods. The Bayesian framework did not consistently outperform deterministic models in point-estimation accuracy, but it provided valuable uncertainty quantification, particularly in regions with abrupt heart-rate fluctuations.
Conclusion: These findings suggest that incorporating Bayesian principles enhances imputation reliability while offering critical uncertainty estimates. This is particularly advantageous in healthcare contexts, where inaccurate predictions can lead to clinical risks.
목차
1. 서론
2. 결측치 처리 연구
3. 연구 방법론
4. 실험 및 결과
5. 결론
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
베이지안 네트워크를 이용한 예측 모델에서 누락된 데이터를 대체하기 위한 시각적 분석
한국정보과학회 학술발표논문집
2019 .12
-
데이터 부족 환경에서 민감도 기반 Bayesian Network를 활용한 불확실성 정량화
대한기계학회 춘추학술대회
2017 .05
-
Bayesian Network for Traffic State Prediction
대한교통학회 학술대회지
2017 .09
-
An optimization based approach for the Bayesian network structure learning problem
대한산업공학회 춘계공동학술대회 논문집
2015 .04
-
A survey knowledge of Bayesian network and the application of Bayesian network
한국정보과학회 학술발표논문집
2018 .12
-
베이지안 기법에 기반한 수명자료 분석에 관한 문헌 연구 : 2000~2016
신뢰성응용연구
2017 .09
-
개발단계의 제품 인증을 위한 베이지언 2단계 신뢰성 실증시험의 통계적 설계
대한산업공학회지
2017 .04
-
Training Neural Networks with Missing Data Using Dynamic Imputation
대한산업공학회 추계학술대회 논문집
2020 .11
-
베이지안 기반의 무고장 시험을 통한 시료수 추정
대한기계학회 춘추학술대회
2021 .04
-
이상치에 따른 불확실성에 관한 연구
한국지능시스템학회 논문지
2021 .08
-
베이지안 신경망을 이용한 중요도 기반 전이 강화 학습
제어로봇시스템학회 국내학술대회 논문집
2022 .06
-
와이블분포 기반 관측중단데이터에서의 베이지안 기법 및 전통적 기법 간 신뢰도 추정 기법 성능 비교
신뢰성응용연구
2020 .09
-
강우빈도해석에서 Bayesian 기법을 이용한 Gumbel 확률분포 매개변수의 불확실성 평가
한국수자원학회논문집
2016 .01
-
베이지안 인공신경망 기반 통계적 모델 보정 기법
대한기계학회 춘추학술대회
2022 .11
-
Bayesian Network 기반 수리수문학적 소규모 저수지 위험도 분석기법 개발
대한토목학회 학술대회
2017 .10
-
디지털 데이터에서 데이터 전처리를 위한 자동화된 결측 구간 대치 방법에 관한 연구
멀티미디어학회논문지
2021 .02
-
흡음재 유동저항 및 측정실 영향의 1차 및 2차 베이지안 추론
대한기계학회 춘추학술대회
2016 .12
-
Uncertainty-Aware Soft Sensor Using Bayesian Recurrent Neural Networks
대한산업공학회 추계학술대회 논문집
2020 .11
-
A Bayesian Network-based Machine-learning Algorithm for Enhancing Performance in Typical Scenarios
IEIE Transactions on Smart Processing & Computing
2023 .06
-
Missing value imputation Based on Graph Neural Networks
한국정보과학회 학술발표논문집
2022 .06
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-092511655