상세 보기
딥러닝 기반 LSTM 모형에 기초한 자기상관 공정의 모니터링 절차
Monitoring procedure of autocorrelated processes using the deep learning-based LSTM model
- 이수정;
- 이재헌
초록
자기상관 공정을 모니터링하는 절차에 대해서는 많은 연구가 진행되어 왔는데, 그중에서 가장 많이 사용하는 방법은 관측값을 예측하여 잔차를 계산하고 그 잔차 데이터를 모니터링하는 것이다. 즉, 잔차를 이용함으로써 자기상관 문제를 해결하는 것이다. 이 논문에서는 예측하는 방법으로 딥러닝에 기반한 LSTM (long short-term memory) 모형을 사용하여 자기상관 공정을 모니터링하는 절차를 제안하고, 제안된 절차와 기본적인 RNN (vanilla recurrent neural network) 모형을 사용하는 절차 및 시계열 모형에 적합시키는 절차의 성능을 모의실험을 수행하여 비교하였다. 딥러닝 알고리즘을 기반으로 한 LSTM과 RNN 모형에 기초한 절차가 전반적으로 좋은 성능을 나타냈으며, 시계열 모형에 적합시키는 절차에 비해 정확한 모형 적합의 과정이 필요 없다는 측면에서 효율적인 절차라고 판단된다.
키워드
딥러닝; 자기상관된 공정; LSTM 모형; RNN 모형.; Autocorrelated process; deep learning; LSTM; RNN.
- 제목
- 딥러닝 기반 LSTM 모형에 기초한 자기상관 공정의 모니터링 절차
- 제목 (타언어)
- Monitoring procedure of autocorrelated processes using the deep learning-based LSTM model
- 저자
- 이수정; 이재헌
- 발행일
- 2022-03
- 저널명
- 한국데이터정보과학회지
- 권
- 33
- 호
- 2
- 페이지
- 237 ~ 248