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
- 2022.8
- 수록면
- 355 - 366 (12page)
- DOI
- 10.7232/JKIIE.2022.48.4.355
이용수
초록· 키워드
오류제보하기
In manufacturing process, data is collected in the form of correlated sequences. Multivariate to multivariate time series (MMTS) forecasting is an important factor in manufacturing. MMTS forecasting is a notoriously challenging task considering the need for incorporating both non-linear correlations between variables (inter-relationships) and temporal relationships of each univariate time series (intra-relationships) while forecasting future time steps of each univariate time series (UTS) simultaneously. However, previous works use deep learning models suited for low-dimensional data. These models are insufficient to model high-dimensional relationships inherent in multivariate time series (MTS) data. Furthermore, these models are less productive and efficient as they focus on predicting a single target variable from multiple input variables. Thus, we proposed two phase MTS forecasting. First, the proposed method learns the non-linear correlations between UTS (inter-relationship) through self-attention based convolutional autoencoder and conducts cause analysis. Second, it learns the temporal relationships (intra-relationships) of MTS data through temporal convolutional network and forecasts multiple target outputs. As an end-to-end model, the proposed method is more efficient and derives excellent experimental results.
목차
1. Introduction
2. Background
3. Proposed Method
4. Experiments
5. Conclusion
References
참고문헌 (21)
참고문헌 신청
Bai, S., Kolter, J. Z., and Koltun, V. (2018), An empirical evaluation of generic convolutional and recurrent networks for sequence modeling, arXiv preprint arXiv:1803.01271.
Braei, M. and Wagner, S. (2020), Anomaly detection in univariate time-series: A survey on the state-of-the-art. arXiv preprintarXiv: 2004.00433.
Cerqueira, V., Torgo, L., and Soares, C. (2019), Machine learning vs statistical methods for time series forecasting: Size matters, arXiv preprint arXiv:1909.13316.
Chung, J., Gulcehre, C., Cho, K., and Bengio, Y. (2014), Empirical evaluation of gated recurrent neural networks on sequence modeling, arXiv preprint arXiv:1412.3555.
DiPietro, R. and Hager, G. D. (2020), Deep learning: RNNs and LSTM, In Handbook of medical image computing and computer assisted intervention, Academic Press, 503-519.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Two Phase Multivariate to Multivariate Time Series Forecasting Using Self-attention Based Convolutional Autoencoder and Temporal Convolutional Network
대한산업공학회 추계학술대회 논문집
2021 .11
-
Temporal Convolutional Autoencoder를 사용한 스마트 그리드에서의 FDIA 탐지 기법
한국정보과학회 학술발표논문집
2023 .06
-
Convolutional Autoencoder with Hybrid Learning
대한산업공학회 추계학술대회 논문집
2016 .11
-
Temporal Convolutional Network를 활용한 단기 전력 수요 예측
대한산업공학회 추계학술대회 논문집
2019 .11
-
Convolutional AutoEncoder 기반 태양광 발전량 정상데이터 검출 모델
한국통신학회 학술대회논문집
2022 .06
-
Convolutional autoencoder 기반 차원축소모델을 통한 에어포일 table 예측
한국항공우주학회 학술발표회 초록집
2022 .11
-
Convolutional Autoencoder 차원 축소를 이용한 딥러닝 기반 위상 최적화 방법 연구
대한기계학회 춘추학술대회
2021 .08
-
Convolutional Autoencoder 기반의 수소 회전기기 이상 진단 모델
한국가스학회 학술대회논문집
2024 .05
-
Temporal Convolutional Networks를 이용한 화력발전소의 발전량 예측 방법
대한전자공학회 학술대회
2019 .11
-
Reconstruction and Enhancement of Physical Field Based on a Convolutional Autoencoder for Nanofluid Heat Transfer Problem
대한기계학회 춘추학술대회
2024 .11
-
Temporal Matrix Factorization-based Graph Neural Network for Multivariate Time Series Forecasting with Missing Values
대한산업공학회 춘계공동학술대회 논문집
2023 .05
-
Convolutional Autoencoder 기반 소규모 수용가 부하 프로파일 클러스터링에 대한 연구
한국통신학회 학술대회논문집
2017 .11
-
Convolutional AutoEncoder를 이용한 GPS Data Denoising
한국정보과학회 학술발표논문집
2020 .12
-
A Classification Method for the Cell Images based on Convolutional Autoencoders and Artificial Neural Networks
대한전자공학회 학술대회
2020 .08
-
다중 시계열 특성을 고려한 멀티 퓨전 딥러닝 기반 다단계 태양광 발전량 예측
전기학회논문지
2024 .10
-
기상예보를 이용한 Convolutional Attention LSTM 기반 태양광 발전량 예측 모델
한국정보과학회 학술발표논문집
2020 .07
-
Temporal Convolutional Network 와 Transformer 를 이용한 심전도 신호의 결측값 보간
한국정보과학회 학술발표논문집
2024 .12
-
Temporal Convolutional Networks를 이용한 신호 재구성 기반의 화력 발전소 고장 감지
대한전자공학회 학술대회
2020 .08
-
T-NESNet: Temporal Node-Edge Switching Network for Multivariate Time Series Forecasting
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
Spectrogram-Based Fault Signal Detection with Convolutional Autoencoder
대한산업공학회 춘계공동학술대회 논문집
2022 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
MADFlow : Normalizing Flow를 활용한 다변량 시계열 이상 탐지
문지원
,
송승환
,
백준걸
대한산업공학회지
2023
.06
Sustainable Supply Chain Management Through Product Preservation and Awareness Program
Mitali Sa
,
ka
,
Byung Do Chung
외 1명
대한산업공학회지
2022
.02
기계 학습을 이용한 셀 문턱 전압 분포 기반의 Soft Decision 센싱 레벨 예측
노해동
,
백준걸
대한산업공학회지
2021
.10
차량설비의 알람 유형 분류를 위한 오픈셋 인식 심층 신경망
김상훈
,
홍현욱
,
정의현
외 1명
대한산업공학회지
2021
.04
이상 호흡음 분류를 위한 계층적 어텐션 네트워크 모델
정기원
,
김성범
대한산업공학회지
2021
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2022-530-001628525