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
- 2024.2
- 수록면
- 8 - 14 (7page)
- DOI
- 10.5391/JKIIS.2024.34.1.8
이용수
초록· 키워드
오류제보하기
시계열 분석에 딥러닝이 활발히 적용되며 다양한 분야에서 높은 성능을 보이는 연구가 진행되고 있다. 그러나 딥러닝은 점추정 예측값을 제시하기에 예측에 대한 불확실성을 측정할 수 없다. 또한 신호 데이터에서는 이미지화 인코딩 기법인 RP(Recurrence Plot), GAF(Gramian Anugular Field), MTF(Markov Transition Field)를 적용하여 이미지화에 따른 딥러닝의 성능을 비교하는 연구가 진행되고 있지만 아직 금융시계열 데이터에 적용된 사례는 많지 않다. 본 논문에서는 데이터의 특징에 따른 이미지화 기법별 딥러닝 모델의 성능을 비교하고 드롭아웃을 적용한 딥러닝 모델의 불확실성을 정량화하고자 한다. 실험을 통해 다양한 패턴에 따라 적합한 이미지화 인코딩 기법을 찾고 불확실성을 정량화하여 모델 예측의 신뢰도와 이상 탐지에 효과적인 이미지화 인코딩 기법을 확인하고자 한다.
목차
요약
Abstract
1. 서론
2. 이론적 배경
3. 실험 및 결과
4. 결론 및 향후 연구
References
참고문헌 (15)
참고문헌 신청
Lim Bryan and Zohren Stefan, “Time-series forecasting with deep learning: a survey,” Phil. Trans. R. Soc. A.3792020020920200209, https://doi.org/10.1098/rsta.2020.0209, 2021.
Yamak, P. T., Yujian, L., & Gadosey, P. K., “A comparison between arima, lstm, and gru for time series forecasting,” Proceedings of the 2019 2nd international conference on algorithms, computing and artificial intelligence, pp. 49-55, https://doi.org/10.1145/3377713.3377722, December 2019.
Sezer, O. B., Gudelek, M. U., & Ozbayoglu, A. M., “Financial time series forecasting with deep learning: A systematic literature review: 2005–2019,” Applied soft computing, pp. 90: 106181, https://doi.org/10.1016/j.asoc.2020.106181, 2020.
Kendall, Alex, and Yarin Gal, “What uncertainties do we need in bayesian deep learning for computer vision?,” Advances in neural information processing systems, pp. 30, 2017.
Loquercio, Antonio, Mattia Segu, and Davide Scaramuzza. “A general framework for uncertainty estimation in deep learning,” IEEE Robotics and Automation Letters 5.2, pp. 3153-3160, 10.1109/LRA.2020.2974682, 2020.
Yamak, P. T., Yujian, L., & Gadosey, P. K., “A comparison between arima, lstm, and gru for time series forecasting,” Proceedings of the 2019 2nd international conference on algorithms, computing and artificial intelligence, pp. 49-55, https://doi.org/10.1145/3377713.3377722, December 2019.
Sezer, O. B., Gudelek, M. U., & Ozbayoglu, A. M., “Financial time series forecasting with deep learning: A systematic literature review: 2005–2019,” Applied soft computing, pp. 90: 106181, https://doi.org/10.1016/j.asoc.2020.106181, 2020.
Kendall, Alex, and Yarin Gal, “What uncertainties do we need in bayesian deep learning for computer vision?,” Advances in neural information processing systems, pp. 30, 2017.
Loquercio, Antonio, Mattia Segu, and Davide Scaramuzza. “A general framework for uncertainty estimation in deep learning,” IEEE Robotics and Automation Letters 5.2, pp. 3153-3160, 10.1109/LRA.2020.2974682, 2020.
이 논문의 저자 정보
이 논문과 함께 이용한 논문
생체신호 분석 기반 감정변화 유추 및 정량화 가능성 파일럿연구
이현영
,
장승완
,
조은혜
외 3명
대한전기학회 학술대회 논문집
2022
.07
불확실성의 경제적 영향 및 경로 탐색 : 기업자료 분석을 중심으로
김태훈
연구자료
2024
.01
스마트폰 다중 센서 기반 운전자의 실시간 인지 부하 정량화
이재용
,
정계영
,
김성수
외 1명
한국HCI학회 학술대회
2023
.02
불확실성을 고려한 에너지 시스템 구축 및 온실가스 감축 목표 달성 가능성 정량화
김한성
,
박형준
,
김대호
외 2명
한국경영과학회 학술대회논문집
2019
.04
불확실성을 고려한 에너지 시스템 구축 및 온실가스 감축 목표 달성 가능성 정량화
김한성
,
박형준
,
김대호
외 2명
대한산업공학회 춘계공동학술대회 논문집
2019
.04
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089480324