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
학술저널
저자정보
윤준철 (전남대학교) 오상원 (전남대학교) 김진술 (전남대학교)
저널정보
한국디지털콘텐츠학회 디지털콘텐츠학회논문지 디지털콘텐츠학회논문지 제23권 제8호
발행연도
2022.8
수록면
1,469 - 1,475 (7page)
DOI
10.9728/dcs.2022.23.8.1469

이용수

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

초록· 키워드

오류제보하기
시계열 데이터의 패턴을 분석하기 위해서는 주성분 분석이나 오토인코더와 같은 통계적 기법을 사용하거나 순환신경망 같은 딥러닝 모델을 기반으로 시계열 데이터의 특징을 활용한다. 그러나 데이터가 기록되는 환경 및 원인이 단순하지 않고 다양한 변인이 영향을 미치기 때문에 간단한 통계적 기법 또는 순환신경망 기반 딥러닝 모델만으로 좋은 성능을 기대하기 어렵다. 본 논문에서는 시계열 데이터를 이미지화시켜서 대표적인 이미지의 이진(Binary) 분류 모델인 컨볼루션 신경망 기반의 딥러닝 모델을 사용하여 전력 데이터를 분류하는 방법을 제안했다. 모델을 학습하기 위해 빌딩별 전력 소모 데이터를 하루마다 이미지로 만들어서 총 85개의 이미지를 사용했고, 주중 혹은 주말 데이터로 이진 분류했다. 이미지화를 위한 방법으로 RP (Recurrence Plot), GAF (Gramian Angular Field), MTF (Markov Transition Field) 알고리즘을 사용했다. 모든 시계열 이미지 모델이 기존 LSTM (Long Short-Term Memory) 기반 모델보다 동등하거나 더 높은 정확도를 보여줬고, 이미지화 기반 컨볼루션 신경망 모델 중에서 MTF 알고리즘으로 이미지화한 방법이 0.96의 F1-Score를 도출하여 가장 정확한 결과를 보여줬다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 이론적 배경
Ⅲ. 제안하는 방법
Ⅳ. 실험 및 결과
Ⅴ. 결론
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

UCI(KEPA) : I410-ECN-0101-2022-004-001685434