HOME > 공학 > 로봇 > 한국지능시스템학회 > 한국지능시스템학회 논문지
제조공정 데이터의 불균형 해소를 위한 생성적 적대 신경망 기반 가상 데이터 생성 프레임웍 -
분야 공학 > 로봇
저자 김희수 이현수
발행기관 한국지능시스템학회
간행물정보 한국지능시스템학회 논문지 2019년, 한국지능시스템학회 논문지 제29권 제1호, 1page~8page(총8page)
파일형식 3666493 [다운로드 무료 PDF 뷰어]
판매가격 6,000원
적립금 180원 (구매자료 3% 적립)
이 자료를
논문의 미리보기 2페이지를 PDF파일로 제공합니다.
 
연관 논문
불균형 빅데이터의 효율적인 분류를 위한 생성적 적대 신경망 기반 오버샘플링 기법 -
4차 산업혁명 시대, 서비스가 제조를 견인한다 - 4차 산업혁명과 국내 산업의 미래 (시리즈 ② 제조)
생성적 적대 네트워크로 자동 생성한 감성 텍스트의 성능 평가
적대적 생성 신경망(GAN)을 활용한 오버샘플링에 관한 연구 -
휴대용 카메라 모듈(CCM) 제조 라인에 대한 데이터마이닝 기반 품질관리시스템 구축 -
 
 
목차
부제 : Generative Adversarial Networks based Data Generation Framework for Overcoming Imbalanced Manufacturing Process Data
요약
Abstract
1. 서론
2. 배경 및 문헌연구
3. GAN을 통한 가상데이터 생성 및 결함 진단 프레임웍
4. 가상 데이터 생성 및 결함 진단 분석
5. 결론
References
 
 
국문초록
스마트 공장 및 제조공정의 혁신은 제조 데이터의 불균형을 가속화시키고 있으며, 이는 결함 진단 및 분석 프레임웍의 부정확성을 일으키고 있다. 본 연구에서는 이러한 제조 데이터가 가지는 불균형 문제점을 해소하기 위한 방법론으로 데이터 생성방법론인 생성적 적대 신경망 (Generative Adversary Network)을 고려한다. 생성적 적대 신경망이 가상데이터의 생성에 기여하는 동안, 실제 제조 데이터에 적용하기 위해서는 모델 붕괴 (Model Collapsing)과 같은 문제를 해소해야 한다. 모델 붕괴현상이란, 신경망에 목적함수에만 초점을 맞추어 데이터가 생성되어 각 속성값의 분포가 원래 데이터와 차이가 나는 현상을 의미한다. 본 연구에서는 생성적 적대 신경망의 기존 목적함수에서 실제와 가까운 데이터 생성을 위한 유도항을 추가하여 가상데이터를 합성하는 프레임웍을 제안한다. 생성된 가상데이터를 분류를 위한 훈련데이터로 사용함으로써, 데이터의 불균형 및 모델 붕괴현상을 동시에 해소토록 한다. 제안하는 프레임웍의 우수성을 증빙하기 위하여 불균형을 가진 실제 강판 품질 데이터를 사용하여, 기존의 여러 연구 방법론과 비교하고 분석한다.
 
 
영문초록
Smart manufacturing and the process innovation give result to the imbalanced manufacturing data and this tendency decreases the inaccuracy of the used manufacturing fault detection and classification frameworks. This research considers Generative Adversary Network (GAN) as a data generation method in order to overcome the imbalanced manufacturing data. While a general GAN model contributes to the generation of virtual data, several issues including the model collapsing may occur. Model collapsing is the situations that the generated data’s distribution has considerable differences with the distribution of the original data. This tendency is resulted from the objective function of a general GAN. This research proposes a new and efficient data generation framework with a modified GAN which has a correction term for decreasing gap between the generated data and the original data. The proposed method solves the data imbalance issue and the model collapsing problem simultaneously. In order to show the effectiveness of the proposed framework, the real steel plate fault data with imbalances are analyzed and the results are compared with the existing the fault detection and classification methods.
 
 
Manufacturing Data Imbalance, 모델 붕괴, Generative Adversarial Network, Fault Detection and Classification, 불균형 제조 데이터, 생성적 적대 신경망, 결함 진단 및 분류, 강판 품질 진단, Steel Plates Faults Classification, Model Collapsing
 
 
도움말
본 논문은 참고용 논문으로 수정 및 텍스트 복사가 되지 않습니다.
 
 
추천자료
최신 기출 시사 용어 정리
[경상계열] [경제학과]유통신조류와 물류혁신[1]
[행정학] 조직이론
시민 미디어 정착방안 연구
[교수학습방법론] 상황학습, 정황학습
한국학의 갈래와 각자의 현황과 동향에 관한 연구 분석
[인터넷마케팅] NHN `네이버` 마케팅전략 분석
20세기의 얼굴 레포트
[현대사회론]정보화에 따른 현대사회의 변화
[사회학] 정보화사회의 도래와 이로 인한 변화
오늘 본 자료
오늘 본 자료가 없습니다.
장바구니 담은 자료
장바구니가 비어 있습니다.
이 간행물 인기자료
풍속 예측을 위한 선형회귀분석과 비...
비콘 단말기를 이용한 택시안심이용시...
원격해양감시영상에서 해파리 검출 -
영상 가상화와 WebRTC를 이용한 고사...
칼만필터 및 인공신경망에 기반한 가...
이 간행물 신규자료
자율운항선박의 국제해상충돌예방규칙...
마이크로 유전알고리즘을 이용한 초단...
텐던과 풀리를 이용한 로봇 팔꿈치 구...
새로운 영상 질 측도에 기반한 그레이...
사용자의 피부 색상에 기반한 파운데...
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]