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

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
김현태 (중앙대학교) 이창희 (중앙대학교)
저널정보
대한전자공학회 대한전자공학회 학술대회 2023년도 대한전자공학회 하계학술대회 논문집
발행연도
2023.6
수록면
2,783 - 2,787 (5page)

이용수

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

초록· 키워드

오류제보하기
비지도 학습 기반의 시계열 이상치 탐지(Anomaly Detection)는 실제 이상치에 관한 정보를 얻는 것이 불가능하다는 전제하에 수행하는 도전적인 문제이다. 기존 모델들은 정상 데이터가 공통적으로 갖는 특성에 집중하여 학습하지만, 일부 극심한 형태의 이상치에 취약하거나 편향된 정상성 가정으로 인해 구별이 되어야 하는 시간적 패턴(Temporal Pattern)을 띄는 이상치를 놓치기 쉽다. 본 논문에서 제안하는 섭동(Perturbation) 학습 기반의 이상치 탐지 기법은 편향을 야기할 수 있는 정상데이터에 관한 가정을 배제하고, 알려지지 않은 이상치의 시간적 패턴 형태에 제약 받지 않는다. 또한, 시계열 데이터셋에 특화된 섭동을 적용함으로써 전체 타임스텝에 대한 이상 점수 획득이 가능한 형태로 개선하였다. 널리 알려진 벤치마크 데이터셋 실험을 통해 섭동 학습기반의 이상치 탐지 방법이 시계열 데이터셋에도 특화되어 적용 가능함을 보였다.

목차

Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 본론
Ⅳ. 실험
Ⅴ. 결론 및 향후 연구 방향
참고문헌

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0