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.
피인용 0
초록·키워드
다채널 신호 복원에서 딥러닝 모델의 성능 평가는 단일 모델의 평균 성능 지표에 의존하여 모델 불확실성을 충분히 반영하지 못하는 한계가 있다. 본 연구에서는 오토인코더 기반 신호 복원에서 30개의 독립적으로 훈련된 모델을 통해 복원 결과의 분포적 특성을 분석한다. ETTh1 데이터셋의 6개 채널에 대해 신호 전체 누락 시나리오를 적용하여 root mean square error (RMSE), intraclass correlation coefficient (ICC), 표준편차 등의 지표로 성능을 평가하였다. 실험 결과, 채널별로 뚜렷한 성능 계층화가 나타났으며, 신호의 급격한 변화 구간에서 모델 간 예측 편차가 증가하는 현상을 확인하였다. 또한 동일한 아키텍처와 하이퍼파라미터를 가진 모델들이라도 확률적 초기화로 인해 복원 결과의 분포가 형성됨을 규명하였다. 본 연구는 모델 불확실성을 정량적으로 분석하는 새로운 접근법을 제시하며, 분포적 특성과 모델 일관성을 종합적으로 고려한 신뢰성 평가 체계 구축에 기여한다.
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) : I410-151-25-02-093698615
