5편의 한국어 분석 — 최신순으로 정렬했어요
전력 설비나 산업 공정 같은 엔지니어링 시스템은 다양한 시간 스케일에서 이상 징후가 나타나는 다변량 시계열 데이터를 통해 모니터링됩니다. 기존 단일 입력 윈도우 기반 탐지기는 특정 스케일에만 맞춰져 있어, 짧은 변동부터 전체 운영 주기 동안 지속되는 편차까지 다양한 이상 징후를 효과적으로 감지하기 어렵습니다. 본 논문은 이러한 한계를 극복하기 위해 MAF-LSTM(Multi-scale LSTM forecasting with attention-based feature fusion)이라는 예측 기반 이상 탐지 프레임워크를 제안합니다.…
결정립 성장은 재료의 기계적 거동에 큰 영향을 미치므로, 미세구조 공학에서 결정립 성장을 예측하는 것은 핵심 목표입니다. 본 연구에서는 결정립 성장 중 결정립 크기 분포를 예측하기 위해 순환 신경망(RNN), 장단기 기억(LSTM), 시간 컨볼루션 네트워크(TCN), 트랜스포머를 포함한 여러 딥러닝 접근법을 평가했습니다. 계산 비용이 높은 전장 시뮬레이션 대신, 검증된 고정밀 시뮬레이션에서 추출한 정규화된 평균장 통계 기술자를 활용했습니다. 112개의 결정립 성장 시퀀스 데이터셋을 다변량 시계열로 처리하여, 짧은 시간 이력으로부터…
상호작용하는 리드버그 원자는 비평형 물질 상태 구현을 위한 다목적 플랫폼을 제공합니다. 이 시스템은 상전이 근처에서 외부 섭동에 집단적으로 반응하며, 이는 양자 계측 및 센싱 분야의 기술 응용에 활용될 수 있습니다. 리드버그 원자의 제어 가능한 복잡성과 직관적인 해석 가능성 덕분에, 우리는 여기서 나타나는 집단 증폭 현상을 관찰하고 조절할 수 있습니다. 본 연구에서는 상호작용하는 리드버그 증기를 시계열 예측에 활용하는 방안을 탐구합니다. 레이저장의 라비 주파수를 변조하여 시계열 데이터를 입력하고, 시스템의 학습 능력을 평가합니다.…
시계열 예측은 다양한 동적 시스템에 필수적이며, 활발히 연구되는 분야입니다. 그러나 대부분의 기존 예측 모델은 단일 시계열 데이터 양식에 특화되어 있어, 자연어 처리나 컴퓨터 비전 분야와 달리 범용적인 대규모 모델 개발이 더디게 진행되었습니다. 이는 고품질의 대규모 시계열 코퍼스가 부족하기 때문입니다. 한편, 최근 연구들은 거대 언어 모델(LLM)이 긴 토큰 시퀀스를 이해하고 추론하는 데 탁월한 능력을 보임을 시사합니다. 이러한 LLM의 역량을 시계열 예측에 활용하기 위해, 본 연구는 숫자 시계열 신호와 언어 토큰을 연결하는 체계…
순환신경망(RNN), 장단기 기억망(LSTM), 게이트 순환 유닛(GRU)은 시계열 예측 분야에서 널리 활용되지만, 무작위 가중치 초기화로 인한 성능 변동성은 모델 신뢰성에 의문을 제기합니다. 본 연구는 이러한 문제를 해결하고자 바닐라 RNN, LSTM, GRU 및 6가지 하이브리드 모델(RNN-LSTM, RNN-GRU, LSTM-RNN, GRU-RNN, LSTM-GRU, GRU-LSTM)을 포함한 총 9가지 신경망 아키텍처의 성능을 종합적으로 평가했습니다. 몬테카를로 시뮬레이션을 통해 100회 반복 실험을 수행했으며, 태양 흑점…
