Earticle

초록

영어

We propose a novel method to detect abnormal data of specific symptoms using deep learning in air pollution measurement system. Existing methods generally detect abnomal data by classifying data showing unusual patterns different from the existing time series data. However, these approaches have limitations in detecting specific symptoms. In this paper, we use DeepLab V3+ model mainly used for foreground segmentation of images, whose structure has been changed to handle one-dimensional data. Instead of images, the model receives time-series data from multiple sensors and can detect data showing specific symptoms. In addition, we improve model’s performance by reducing the complexity of noisy form time series data by using ‘piecewise aggregation approximation’. Through the experimental results, it can be confirmed that anomaly data detection can be performed successfully.

한국어

본 논문은 딥 러닝(Deep Learning)을 이용하여 대기오염측정망 데이터 중 특정 증상이 나타나는 이상 데이터를 탐지하 는 방법을 제시한다. 기존 방법들은 일반적으로 시계열 데이터 내에서 기존과는 다른 특이한 패턴이 나타나는 데이터를 탐지하 여 이상치로 분류하며, 이는 특정 증상만을 탐지하기에는 적합하지 않다. 본 논문에서는 주로 이미지의 전경 분리(Sementic Segmentation)에 사용되는 DeepLab V3+ 모델의 2차원 합성곱 신경망 구조를 1차원 구조로 변형하여 이미지 대신 여러 센서 의 시계열 측정값을 입력받고 특정 증상이 나타나는 데이터를 탐지하도록 하는 방법을 제시한다. 또한, 데이터에 ‘조각별 집계 근사법(Piecewise Aggregate Approximation)’을 적용하여 잡음이 많은 대기오염측정망 데이터의 복잡도를 줄임으로써 성능 을 높인다. 실험 결과를 통해 준수한 성능으로 이상치 탐지를 수행할 수 있음을 확인할 수 있다.

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 실험 방법
3.1 기존 데이터 확정 프로세스
3.2 데이터 분석 및 학습 데이터 선정
3.3 제안하는 모델
3.4 평가방법
4. 연구결과
4.1. 실험환경
4.2 조각별 집계 근사법 적용 결과
4.3 이상치 판별 실험 1
4.4 이상치 판별 실험 2
5. 결론
REFERENCES

키워드

저자

• 이선우 [ Seon-Woo Lee | 인하대학교 전기컴퓨터공학과 학생 ]
• 양호준 [ Ho-Jun Yang | 인하대학교 전기컴퓨터공학과 학생 ]
• 이문형 [ Mun-Hyung Lee | 인하대학교 컴퓨터공학과 학생 ]
• 최정무 [ Jung-Moo Choi | 인하대학교 컴퓨터공학과 학생 ]
• 윤세환 [ Se-Hwan Yun | 인하대학교 컴퓨터공학과 학생 ]
• 권장우 [ Jang-Woo Kwon | 인하대학교 컴퓨터공학과 교수 ] Corresponding Author
• 박지훈 [ Ji-Hoon Park | 국립환경과학원 대기환경연구과 환경연구원 ]
• 정동희 [ Dong-Hee Jung | 국립환경과학원 대기환경연구과 환경연구원 ]
• 신혜정 [ Hye-Jung Shin | 국립환경과학원 대기환경연구과 환경연구원 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  융합정보논문지(구 중소기업융합학회논문지) [Journal of Convergence for Information Technology]

• 간기

  월간

• pISSN

  2586-1816

• eISSN

  2586-4440

• 수록기간

  2011~2022

• 십진분류

  KDC 004 DDC 004