HOME > 공학 > 로봇 > 한국디지털콘텐츠학회 > 한국디지털콘텐츠학회 논문지
LSTM-based Anomaly Detection on Big Data for Smart Factory Monitoring -
분야 공학 > 로봇
저자 Van Quan Nguyen Linh Van Ma Jinsul Kim
발행기관 한국디지털콘텐츠학회
간행물정보 한국디지털콘텐츠학회 논문지 2018년, 한국디지털콘텐츠학회논문지 제19권 제4호, 789page~799page(총11page)
파일형식 3468633 [다운로드 무료 PDF 뷰어]
판매가격 6,000원
적립금 180원 (구매자료 3% 적립)
이 자료를
논문의 미리보기 2페이지를 PDF파일로 제공합니다.
 
연관 논문
A Study on the Development of Smart Factory Equipment Engineering System and Effects -
Power Quality Early Warning Based on Anomaly Detection -
Anomaly Detection in Medical Wireless Sensor Networks -
A Study on Fault Detection of a Turboshaft Engine Using Neural Network Method -
Smart waste 및 환경정보 제공을 위한 주민참여형 애플리케이션 활용 연구
 
 
목차
부제 : 스마트 팩토리 모니터링을 위한 빅 데이터의 LSTM 기반 이상 탐지
[요약]
[Abstract]
Ⅰ. Introduction
Ⅱ. Related Works
Ⅲ. System Overview
Ⅳ. Experiments
Ⅴ. Conclusion
References
 
 
국문초록
이 논문에서는 이러한 산업 단지 시스템에서의 비정상적인 동작이 일어날 때, 시간 계열의 데이터를 분석하기 위하여 Big 데이터를 이용한 접근을 기반으로 하는 머신 러닝을 보여줍니다. Long Short-Term Memory (LSTM) 네트워크는 향상된 RNN버전으로서 입증되었으며 많은 작업에 유용한 도움이 되었습니다. 이 LSTM 기반 모델은 시간적 패턴뿐만 아니라 더 높은 레벨의 시간적 특징을 학습 한 다음, 미래의 데이터를 예측하기 위해 예측 단계에 사용됩니다. 예측 오차는 예측 인자에 의해 예측 된 결과와 실제 예상되는 값의 차이입니다. 오차 분포 추정 모델은 가우스 분포를 사용하여 관찰 스코어의 이상을 계산합니다. 이러한 방식으로, 우리는 하나의 비정상적 데이터의 개념에서 집단적인 비정상적 데이터 개념으로 바뀌어 갑니다. 이 작업은 실패를 최소화하고 제조품질을 향상시키는 Smart Factory의 모니터링 및 관리를 지원할 수 있습니다.
 
 
영문초록
This article presents machine learning based approach on Big data to analyzing time series data for anomaly detection in such industrial complex system. Long Short-Term Memory (LSTM) network have been demonstrated to be improved version of RNN and have become a useful aid for many tasks. This LSTM based model learn the higher level temporal features as well as temporal pattern, then such predictor is used to prediction stage to estimate future data. The prediction error is the difference between predicted output made by predictor and actual in-coming values. An error-distribution estimation model is built using a Gaussian distribution to calculate the anomaly in the score of the observation. In this manner, we move from the concept of a single anomaly to the idea of the collective anomaly. This work can assist the monitoring and management of Smart Factory in minimizing failure and improving manufacturing quality.
 
 
이상탐지, Anomaly Detection, Long Short-Term Memory (LSTM), SCADA
 
 
도움말
본 논문은 참고용 논문으로 수정 및 텍스트 복사가 되지 않습니다.
 
 
추천자료
[인테넷] 인터넷관련 용어모음
영문 Evolution 에볼루션 영화 대사
영문 Starship Troopers 스타쉽 트루퍼스 영화 대사
멕시코 국가 조사(영문)
[교양] 정보 인프라 관련 미국정부 논문
[자료목록] 정부주도 경제개발체제
c++을 이용한 주소록 관리 프로그램
[프로그램]c++을 이용한 주소록 관리 프로그램
[토익] 해커스 토익 예상문제(3년치분)
국가공무원 영어기출문제(1993~2006년 9급,7급,국회8급기출문제집)
오늘 본 자료
오늘 본 자료가 없습니다.
장바구니 담은 자료
장바구니가 비어 있습니다.
이 간행물 인기자료
미야자키 하야오의 애니메이션 스토리...
인지행동치료기법을 활용한 청소년의 ...
Manuscript Submission Guidelines et...
디자인씽킹을 적용한 성폭력예방 기능...
A Dynamical Load Balancing Method f...
이 간행물 신규자료
미시 교통 시뮬레이션을 활용한 차로 ...
국가직무능력표준(NCS)기반의 교육용 ...
공익연계 마케팅 대상에 대한 심리적 ...
디지털 기기를 이용한 독서활동에 대...
맞벌이 가정의 형제가 있는 학령기 아...
저작권 정보
본 학술논문은 ㈜누리미디어와 각 학회간에 저작권 계약이 체결된 것으로 HAPPY학술이 제공하고 있습니다. 본 저작물을 불법적으로 이용시는 법적인 제재가 가해질 수 있습니다.
 
서비스이용약관 | 개인정보취급방침 | E-mail 수집 거부 | 제휴 및 광고문의 | FAQ
이메일 무단 수집 거부
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나 그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며, 이를 위반시 정보통신망법에 의해 형사처벌됨을 유념하시기 바랍니다. [게시일 2003년 4월 2일]