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
- 2025.2
- 수록면
- 33 - 44 (12page)
- DOI
- 10.37272/JIECR.2025.2.25.1.33
이용수
초록· 키워드
오류제보하기
Aids to navigation (ATON) are essential facilities installed to support the safe navigation of vessels, providing critical navigational information. The electrical systems of ATON require a stable power supply, and any voltage anomalies must be promptly detected to ensure operational reliability. This study proposes an AI-based algorithm to address anomaly detection issues using voltage data collected from actual ATON systems between January 2018 and September 2021.
In this study, unlabeled data without explicit fault labels were used, and anomalies were labeled using Isolation Forest, IQR-based labeling, and extreme value-based labeling methods. Based on these labeled datasets, the performance of anomaly detection was evaluated using AutoEncoder and Gaussian Mixture Model (GMM). Experimental results demonstrated that the AutoEncoder achieved an average F1 Score of over 83% with IQR and Isolation Forest-based labeling, showing superior performance. In contrast, GMM showed limited anomaly detection performance and struggled to effectively capture the complex patterns in the data.
These findings highlight the potential for enhancing maritime safety and contributing to anomaly detection and fault prevention in various marine and industrial facilities.
In this study, unlabeled data without explicit fault labels were used, and anomalies were labeled using Isolation Forest, IQR-based labeling, and extreme value-based labeling methods. Based on these labeled datasets, the performance of anomaly detection was evaluated using AutoEncoder and Gaussian Mixture Model (GMM). Experimental results demonstrated that the AutoEncoder achieved an average F1 Score of over 83% with IQR and Isolation Forest-based labeling, showing superior performance. In contrast, GMM showed limited anomaly detection performance and struggled to effectively capture the complex patterns in the data.
These findings highlight the potential for enhancing maritime safety and contributing to anomaly detection and fault prevention in various marine and industrial facilities.
목차
Abstract
Ⅰ. 서론
Ⅱ. 이론적 배경
Ⅲ. 연구방법론
Ⅳ. 실험 설계
Ⅴ. 실험 결과
Ⅵ. 결론
참고문헌
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Spectrogram-Based Fault Signal Detection with Convolutional Autoencoder
한국경영과학회 학술대회논문집
2022 .06
-
AutoEncoder / Isolation Forest 알고리즘을 이용한 용접 공정 시계열 데이터 이상탐지
한국경영과학회 학술대회논문집
2022 .06
-
객체탐지와 오토인코더를 활용한 스마트 공장 이상탐지 방안 개발
글로벌경영학회지
2022 .10
-
스마트해상물류체계 구축을 위한 항로표지의 역할 및 핵심과제 도출 연구
해운물류연구
2021 .01
-
소비자의 표시 확인 정도와 표시제도 필요성에 대한 인식
소비자문제연구
2015 .12
-
시각 장애인의 안전 횡단을 위한 도로 위의 차량 검출 알고리즘 제안
재활복지
2016 .01
-
Economic Valuation of Food E-labels for Restaurant Offerings*
Asian Journal of Business Environment
2024 .07
-
Unsupervised Feature Selection for Autoencoder
한국경영과학회 학술대회논문집
2019 .04
-
Fast novelty detection algorithm and its use in early fault detection for manufacturing process
한국경영과학회 학술대회논문집
2015 .04
-
Autoencoder with Activated Bottleneck Nodes
한국경영과학회 학술대회논문집
2022 .06
-
Labeling and Customer Loyalty : Mediating Effects of Brand-related Constructs
ASIA MARKETING JOURNAL
2019 .01
-
The Effects of Food Label Location on Label Utilization and Willingness to Pay for Food Label －The Case of Egg Products－
식품유통연구
2021 .12
-
Self-supervised Learning for Fault Diagnosis with Limited Labeled Data
한국경영과학회 학술대회논문집
2023 .05
-
Anomaly Detection for Lightweight Blockchain
한국경영과학회 학술대회논문집
2022 .06
-
그래프 합성곱 오토인코더 기반 고령자 이상 행동 인식
경영과학
2022 .09
-
The Influence of Foreign Aid on Public Sector Efficiency: A Panel Data Analysis
The Journals of Economics, Marketing & Management
2023 .06
-
소비자보호를 위한 한국 원산지표시제도의 문제점과 개선방안
무역학회지
2019 .04
-
ContrastVAE++: 사후 붕괴 완화와 언어모델 기반 데이터 증강을 통한 대조적 변분 오토인코더의 성능 향상
한국경영과학회지
2023 .11
-
농식품 예비창업자를 위한 소비자의 식품표시에 관한 만족도, 신뢰도 및 식품구매 행태에 관한 연구 - 2022년 식품소비행태조사 자료 이용 -
지역사회연구
2023 .09
-
The Effects of Labeling Information on the Consumers’ Evaluation about Product Quality
유통과학연구
2020 .01
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-092303386