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

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
문지훈 (서울과학기술대학교) 박강민 (서울과학기술대학교) 권혁윤 (서울과학기술대학교) 윤성훈 (코젠) 김종우 (코젠)
저널정보
대한설비공학회 대한설비공학회 학술발표대회논문집 대한설비공학회 2023년도 하계학술발표대회 논문집
발행연도
2023.6
수록면
87 - 90 (4page)

이용수

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

초록· 키워드

오류제보하기
최근 인공지능 기술은 사물인터넷(IoT)에도 활발히 적용되고 있다. 특히, 다양한 종류의 IoT 센서데이터를 인공지능 기반 모델에 적용함으로써 예측 및 분류 문제를 더욱 효과적으로 해결할 수 있다. 그러나 다종 센서에 대한 인공지능 모델의 적용은 특정 센서의 예기치 못한 고장이나, 센서 별 일관되지 않은 데이터 수집으로 인하여 성능의 저하를 야기한다. 더욱이, 전통적인 서버에서의 중앙집중형 데이터 분석은 중앙서버에서의 병목을 야기하고 데이터보안에 취약한 한계를 지닌다. 연합학습은 다수의 IoT 장치들이 각자 원본 데이터를 기반으로 로컬모델을 구축하고, 모델의 파라미터만 서버에 전송함으로써, 중앙서버의 병목을 해결하고 데이터보안 문제를 해결한다. 그러나, IoT 장치들의 개수가 증가함에 따라 중앙서버의 부담은 점진적으로 증가하며, 이에 대한 해결을 위하여 IoT 장치들의 그룹 별로 중간서버를 도입하는 계층적 구조의 연합학습구조가 필요하다. 본 연구에서는 계층적 연합학습 구조(엣지장치-중간서버-중앙서버)를 기반으로 다종센서들을 효과적으로 다루기 위한 멀티모달 연합학습 분류모델을 제안한다. 중간서버는 특정 모달 그룹의 학습을 담당하여 모달이 변경될 경우 성능의 저하가 발생하지만, 중앙서버의 파라미터 취합 및 배포를 통한 전이학습 효과로 부족한 정보를 보완하여 성능을 유지 및 향상시킬 수 있다. 실험을 통해 데이터 불균형 환경에서 중앙서버의 취합된 파라미터가 저하된 중간서버의 성능을 효과적으로 향상시킨다.

목차

Abstract
1. 서론
2. 계층적 멀티모달 연합학습
3. 실험 및 결과
4. 결론
References

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0