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
- 학술대회자료
- 저자정보
- 발행연도
- 2024.11
- 수록면
- 1,015 - 1,019 (5page)
이용수
초록· 키워드
오류제보하기
농산물은 실생활의 필수품으로, 농산물 가격 상승은 소비자의 생활에 직접적인 영향을 미친다. 시계열 데이터를 활용한 농산물 가격 예측에서는 주로 LSTM이 사용되어 왔으나, 긴 시계열 데이터에서의 장기 의존성 학습에 한계가 있어 예측 성능이 저하되는 문제가 있다. 본 연구에서는 이러한 한계를 극복하기 위해 양방향 시퀀스 학습이 가능한 BiLSTM과 Self-Attention 메커니즘 기반의 Transformer를 결합한 BiLSTM-Transformer 모델을 제안한다. 제안된 모델의 성능 평가를 위해 2018년부터 2021년까지의 10개 농산물 품목 가격 데이터를 사용하였으며, Normalized MAE를 기준으로 LSTM 대비 27.40%, Transformer 대비 22.56%의 성능 향상을 달성하였다. 이는 제안된 모델이 장기 의존성 학습을 통해 농산물 가격 예측의 정확도를 효과적으로 개선할 수 있음을 보여준다.
목차
요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 제안하는 방법
Ⅳ. 모델 학습
Ⅴ. 실험 결과
Ⅵ. 결론
참고문헌
참고문헌 (0)
참고문헌 신청이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0