선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 7개의 입력 데이터의 인공지능 신경망 학습을 통한 소성 공정의 온도를 유추하며, 유추된 온도를 기반으로 향후 소성로 온도 안정화에 필요한 입력 인공지능기술을 활용하여 제어하는 것을 목표로 한다. 입력은 7개로 구성하고 Hidden Layer는 2개로 구성되며, 하나는 8개, 다른 하나는 32개의 퍼셉트론으로 구성되어 학습을 수행한다.
- 따라서 이런 사물이 생산하는 데이터를 특성에 맞게 저장 관리하는 시스템이 향후 인공지능기술 적용에 키가 될 것이다. 그럼 우선 사물인터넷에서 생산되는 데이터의 특징을 파악하고 이를 빅데이터로 관리할 수 있는 기술을 살펴보자.
- 기존 데이터베이스에서 이런 시계열 데이터를 저장-관리할 수 있지만, 데이터가 많아지면서 관리-분석이 어려워질 수 있다. 그럼 이런 시계열 데이터를 잘 관리할 수 있는 OpenTSDB[5] 데이터베이스를 살펴보자.
- 본 글에서는 IoT 디바이스에서 센싱되는 시계열 데이터를 기반으로 어떻게 인공지능 기술로 학습하여 예측하는지를 살펴보았다. 사실 아직은 나아갈 길이 멀어 보이지만, 생산되는 센싱 데이터가 많아지면 많아질수록 더 좋은 결과를 얻을 수 있고 사람이 데이터에서 찾아내진 못한 의미를 인공지능이 학습하여 알려줄 수도 있을 것이다.
- 본 논문에서는 서론에서 사물인터넷, 빅데이터 그리고 인공지능으로 이어지는 기술 흐름을 살펴보고 2 절에서는 인공지능 학습 데이터 저장을 위한 시계열 빅데이터 기반 OpenTSDB 기술을 소개한다. 3절에서는 현장에서 수집된 IoT 시계열 데이터를 기반으로 신경망 기반의 학습 및 예측 수행 방법을 통하여 IoT 기술과 신경망 기술을 어떻게 활용하는지 이야기하고 마지막 4절에서 결론으로 마무리 한다.
- 본 장에서는 IoT 센싱 데이터를 취득하여 저장할 수 있는 시계열 빅데이터 저장 시스템에 수집된 데이터를 기반으로 인공지능 신경망을 통한 학습 사례를 이야기한다. 이 사례를 기반으로 IoT 시계열 데이터에서 수집된 데이터를 활용하여 어떻게 인공지능 기술과 접목하는지 이야기 한다.
- 이 사례를 기반으로 IoT 시계열 데이터에서 수집된 데이터를 활용하여 어떻게 인공지능 기술과 접목하는지 이야기 한다. 분석에 사용한 데이터는 사물인터넷을 기반으로 수집된 중국의 성선성 시멘트 소성 공정 데이터이며, 이를 기반으로 인공지능 기술을 통해 소성로 온도를 예측하는 것을 목표로 한다.
- 하지만 이 기술이 기존에 없던 것이 아니라 이미 십여 년 전 부터 유비쿼터스라는 용어로 널리 알려졌던 기술이다. 그럼 유비쿼터스와 사물인터넷의 차이가 무엇인가? 우선 위키피디아 정의를 기반으로 살펴보자.
- 이 사례를 기반으로 IoT 시계열 데이터에서 수집된 데이터를 활용하여 어떻게 인공지능 기술과 접목하는지 이야기 한다. 분석에 사용한 데이터는 사물인터넷을 기반으로 수집된 중국의 성선성 시멘트 소성 공정 데이터이며, 이를 기반으로 인공지능 기술을 통해 소성로 온도를 예측하는 것을 목표로 한다.
가설 설정
- . 특정 지역의 온도를 시간마다 측정한다면, 과거 몇 시간의 데이터를 갖고 미래의 온도를 예측할 수 있을 것이다. 이전 값을 갖고 미래의 값을 예측하는 방법은 일반적으로 활용되고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.