인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
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.
초록·키워드
본 논문은 정답 레이블이 없는 실제 공장 시계열 데이터의 이상치를 탐지하고, 성능을 검증하는 방법론을 제안한다. 실제 산업 현장의 데이터는 센서별로 분포와 양이 불균등하여 이상치 탐지 시, 딥러닝 모델의 과적합 위험이 크다는 한계가 있다. 이러한 문제를 해결하기 위해 본 연구에서는 시계열 데이터의 시간적 특징을 학습하는 Long Short-Term Memory와 비지도 이상치 탐지 모델 ... 전체 초록 보기
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) : I410-151-26-02-096124411