메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김태준 (서울시립대학교) 김한준 (서울시립대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제24권 제8호
발행연도
2018.8
수록면
422 - 426 (5page)
DOI
10.5626/KTCP.2018.24.8.422

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
최근 화재 예방을 위한 다양한 연구들이 진행되었지만, 지역별 요약 분석 또는 통계 분석에 머무르고 있다. 건물 수준의 화재 위험 유무를 알 수 있다면 해당 건물들을 화재 점검 대상에 포함하여 보다 정밀한 화재 예방이 가능할 것이다. 본 논문은 군집화 알고리즘 및 매니폴드 학습을 이용하여 화재 위험 건물 군집을 예측한다. 하지만, 미가공 데이터를 그대로 군집화에 사용할 경우 어떤 피쳐가 화재와 연관 관계가 있는지 알 수 없고 차원의 저주 문제 또한 발생하여 군집화가 제대로 이루어지지 않는다. 이러한 문제를 해결하기 위해 본 논문은 DNN을 감독형 매니폴드 학습에 이용하여 미가공 데이터를 변환한다. DNN은 완전 연결 계층(fully-connected layer)으로만 구성된 단순한 구조를 갖고 있다. 제안 기법은 기존 감독형 차원 축소 기법을 사용한 군집화 결과보다 높은 성능을 얻었다. 또한 계층 군집 분석을 통해 화재 군집 내의 하위 군집들을 탐색하고 각 군집의 특성을 분석하였다.
#딥러닝 #매니폴드 학습 #군집화 #건물 수준 화재 예측 #deep learning #manifold learning #clustering #building-level fire prediction

목차

요약
Abstract
1. 서론
2. 화재 건물 데이터셋
3. DNN 기반 감독형 매니폴드 학습
4. 화재 위험 건물 군집화
5. 군집 분석
6. 결론
References

참고문헌 (8)

참고문헌 신청
Madaio, Michael et al., Firebird: Predicting Fire Risk and Prioritizing Fire Inspections in Atlanta, ACM Knowledge Discovery and Data Mining (KDD), 2016. Kim So Hyeon, Kim Han Joon, Resolving One-class Problem for Fire Damage Prediction, KIFSE, pp 191-192, 2017. Huang, Gao, et al., Densely connected convolutional networks, Proceedings of the IEEE conference on computer vision and pattern recognition, Vol. 1, No. 2, 2017. Amodei, Dario, et al., Deep speech 2: End-to-end speech recognition in english and mandarin, International Conference on Machine Learning, 2016. Jiyun Kim, Han-joon Kim, Multidimensional Data Warehousing Technique for Analyzing Fire Damage, KIFSE, pp. 177-178, 2015.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0