메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김영덕 (충남대학교) 박정희 (충남대학교)
저널정보
Korean Institute of Information Scientists and Engineers Journal of KIISE Journal of KIISE Vol.44 No.8
발행연도
2017.8
수록면
842 - 853 (12page)
DOI
10.5626/JOK.2017.44.8.842

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
스트리밍 데이터는 시간에 따라 지속적으로 생성되는 데이터 시퀀스이다. 시간이 지남에 따라 데이터의 분포 또는 컨셉이 변화할 수 있으며, 이러한 변화는 분류 모델의 성능을 저하시키는 요인이 된다. 점층적 적응적 학습 방법은 컨셉 변화의 정도에 따라 현재 분류 모델의 가중치를 조절하여 업데이트를 수행함으로써 컨셉 변화에 대한 분류 모델의 성능을 유지할 수 있게 한다. 그러나, 컨셉 변화의 정도에 맞는 적절한 가중치를 결정하기가 어렵다는 문제점이 있다. 본 논문에서는 컨셉 변화에 따른 적응적 가중치 조정에 기반한 동적 앙상블 방법을 제안한다. 실험 결과는 제안한 방법이 다른 비교 방법들에 비해 높은 성능을 보여줌을 입증한다.
#컨셉 변동 #스트리밍 데이터 #적응적 점층적 학습 #동적 앙상블 #concept drift #streaming data #adaptive incremental learning #dynamic ensemble

목차

요약
Abstract
1. 서론
2. 관련 연구
3. 제안 방법
4. 실험 결과
5. 결론
References

참고문헌 (23)

참고문헌 신청
J. Gama, I. Zliobaite, A. Bifet, M. Pechenizkiy, and A. Bouchachia, A Survey on Concept Drift Adaptation, ACM Computing Surveys, Vol. 46, No. 4, pp. 44:1-44:37, 2014. C. H. Park, Application of an Adaptive Incremental Classifier for Streaming Data, Journal of KIISE, Vol. 43, No. 12, pp. 1396-1403, Dec. 2016. (in Korean) J. Gama, P. Medas, G. Castillo, and P. Rodrigues, Learning with Drift Detection, Advances in Artificial Intelligence SBIA, pp. 286-295, 2004. M. Baena-Garcia, J. Campo-Avil, R. Fidalgo, A. Bifet, R. Gavalda and R. Morales-Bueno, Early Drift Detection Method, Proc. of the 4th ECML PKDD International Workshop on Knowledge Discovery from Data Streams, pp. 77-86, 2006. A. Bifet and R. Gavalda, Learning from Time- Changing Data with Adaptive Windowing, SIAM International Conference on Data Mining, 2007.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

스트리밍 데이터에 대한 최소제곱해를 통한 점층적 선형 판별 분석 기법
이경훈 ,  박정희 한국정보과학회 학술발표논문집 2017 .06
n-gram 사전에 기반을 두는 트위터 스팸 탐지 방법
최혁준 ,  박정희 한국정보과학회 학술발표논문집 2017 .06
중기 전력수요 예측을 위한 LSTM 최적 모델 선정
엄호용 ,  백승묵 전기학회논문지 2022 .11
평년기온을 기준으로한 하계 최대 전력수요예측에 관한 연구
박래준 ,  송경빈 조명·전기설비학회논문지 2018 .04

최근 본 자료

전체보기

댓글(0)

0