4편의 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.…
수문학적 과정 이해, 모델 개발 및 선제적 물 관리를 위해서는 데이터가 필수적입니다. 이 연구는 유럽 전역의 10,000개 이상 유역에 대한 일별 유출량 재구성 데이터셋인 EARLS(European Aggregated Reconstructions for Large-sample Studies)를 소개합니다. 이 데이터셋은 1953년부터 2023년까지의 기간을 포함하며 불확실성 추정치도 함께 제공합니다. 유출량 재구성은 5,000개 이상의 유역에서 훈련된 단일 LSTM(Long Short-Term Memory) 기반 강우-유출 모델을…
순차 데이터 모델링에 혁신을 가져온 LSTM(Long Short-Term Memory) 네트워크는 기존 순환 신경망(RNN)의 한계를 극복하며 장거리 의존성을 효과적으로 포착합니다. 본 조사는 LSTM 아키텍처를 포괄적으로 다루며, 정보 유지 및 변조를 가능하게 하는 셀 상태와 게이팅 메커니즘 같은 고유 구성 요소를 상세히 설명합니다. LSTM은 자연어 처리(언어 모델링, 기계 번역, 감성 분석), 시계열 분석(예측), 음성 인식 등 다양한 분야에서 활용되며 복잡한 데이터 유형 처리의 다재다능함과 견고함을 입증했습니다. Bidir…
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…
