인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
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
산업 제어 시스템에서는 센서들 간의 복잡한 상호작용을 가지고 있어 단일 장애가 연쇄적인 이상으로 발생하기 쉽기 때문에 이상 징후를 초기에 발견할 수 있는 이상 탐지 기술이 필수적이다. 따라서 본 연구는 SWaT 데이터세트를 활용하여, 표준 순환 신경망 오토인코더와 여기에 어텐션 메커니즘을 추가한 RNN-AE(Recurrent Neural Network Autoencoder)의 이상 탐지 성능을 비교하였다. 또한 재구성 오류를 세 가지(Max, Mean, Top-3) 방식으로 집계하여 이상 점수의 계산이 성능에 미치는 영향을 분석하였다. 실험 결과, 어텐션 기반 GRU(Gated Recurrent Unit)-AE에 Max 집계 방식을 결합한 경우가 기준선 대비 Precision, Recall, F1-Score를 각각 0.3134, 0.0305, 0.1475만큼 향상시켜 탐지 오류를 줄였다. 이를 통해 제안한 방식이 이상 탐지의 민감도와 시스템의 실질적인 운영 안정성을 동시에 향상시킬 수 있음을 확인하였다.
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) : I410-151-26-02-096131970
