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
이도훈 (서울시립대학교) 김한준 (서울시립대학교) 전종훈 (명지대학교)
저널정보
한국콘텐츠학회 한국콘텐츠학회논문지 한국콘텐츠학회논문지 제21권 제11호
발행연도
2021.11
수록면
135 - 144 (10page)

이용수

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

초록· 키워드

오류제보하기
최근 데이터 기반 의사결정 기술이 데이터 산업을 이끄는 핵심기술로 자리 잡고 있는바, 이를 위한 머신러닝 기술은 고품질의 학습데이터를 요구한다. 하지만 실세계 데이터는 다양한 이유에 의해 결측값이 포함되어 이로부터 생성된 학습된 모델의 성능을 떨어뜨린다. 이에 실세계에 존재하는 데이터로부터 고성능 학습 모델을 구축하기 위해서 학습데이터에 내재한 결측값을 자동 보간하는 기법이 활발히 연구되고 있다. 기존 머신러닝 기반 결측 데이터 보간 기법은 수치형 변수에만 적용되거나, 변수별로 개별적인 예측 모형을 만들기 때문에 매우 번거로운 작업을 수반하게 된다. 이에 본 논문은 수치형, 범주형 변수가 혼합된 데이터에 적용 가능한 데이터 보간 모델인 Denoising Self-Attention Network(DSAN)를 제안한다. DSAN은 셀프 어텐션과 디노이징 기법을 결합하여 견고한 특징 표현 벡터를 학습하고, 멀티태스크 러닝을 통해 다수개의 결측치 변수에 대한 보간 모델을 병렬적으로 생성할 수 있다. 제안 모델의 유효성을 검증하기 위해 다수개의 혼합형 학습데이터에 대하여 임의로 결측 처리한 후 데이터 보간 실험을 수행한다. 원래 값과 보간 값 간의 오차와 보간된 데이터를 학습한 이진 분류 모델의 성능을 비교하여 제안 기법의 유효성을 입증한다.
#머신러닝 #딥러닝 #데이터 품질 #결측값 #데이터 정제 #어텐션 #Machine Learning #Deep Learning #Data Quality #Missing Values #Data Imputation #Attention

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 디노이징 셀프 어텐션 네트워크
Ⅳ. 실험 및 결과
Ⅴ. 결론
참고문헌

참고문헌 (14)

참고문헌 신청
J. Yoon / 2018 / GAIN:Missing Data Imputation using Generative Adversial Nets / International Conference on Machine Learning :5689~5698 google schola W. Lin / 2020 / Missing value imputation : a review and anlaysis of the literature(2006-2017) / Artificial Intelligence Review 53(2):1487~1509 google schola D. J. Stekhoven / 2012 / MissForest-non-parametric missing value imputation for mixed-type data / Bioinformatics 28(1):112~118 google schola A. Nazabal / 2020 / Handling Incomplete Heterogeneous Data using VAEs / Pattern Recognition 107 google schola F. Biessmann / 2019 / Datawig: Missing Value Imputation for Tables / Journal of Machine Learning Research 20 google schola

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

태양광 발전량 예측을 위한 랜덤포레스트 기반 기상데이터 결측치 보간 기법
신동혁 ,  권상협 ,  배성우 대한전기학회 학술대회 논문집 2021 .07
태양광 발전량 데이터의 시계열 모델 적용을 위한 결측치 보간 방법 연구
정하영 ,  홍석훈 ,  전재성 외 3명 멀티미디어학회논문지 2021 .09
인접성 벡터를 이용한 트리플 지식 그래프의 임베딩 모델 개선
조새롬 ,  김한준 한국전자거래학회지 2021 .08
기온 정보를 활용한 딥러닝 기반 풍속 시계열 데이터 보간 알고리즘
최한준 ,  고상기 ,  임종연 한국정보과학회 학술발표논문집 2021 .06
한국어 텍스트 임베딩 모델의 개선을 위한 예비 연구
조새롬 ,  김한준 한국통신학회 학술대회논문집 2021 .02

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2022-310-000065308