최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기전산 구조 공학 = Journal of the Computational Structural Engineering Institute of Korea, v.31 no.4, 2018년, pp.12 - 16
구본용 (군산대학교 기계융합시스템공학부)
초록이 없습니다.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
시계열이란 무엇인가? | 시간영역의 측정 데이터 즉 시계열(time series data)은 현상의 분석, 경향 변화, 건전성 검토 등에 사용될 수 있는 중요한 데이터의 형태로서 다양한 분야의 과학, 공학, 경제 응용 분야에서 어렵지 않게 취득 가능하다. 이러한 시계열은 데이터의 크기, 고차원, 연속적 업데이트의 필요라는 특성으로 기술될 수 있으며 개별 값 보다는 전체적인 경향성을 분석하는 것이 필요하다. | |
시계열 표현의 주목적은? | 시계열 표현의 주요한 목적은 차원 즉 표현된 데이터의 수를 감소시키는 것이다. 가장 단순한 방법은 일정한 주파수와 시간 길이를 정한 다음 데이터에서 일정 간격의 데이터를 취득하는 샘플링(Sampling)이다. | |
Perceptually important points(PIP) 방법의 과정은? | 또한 변화가 발생하는 점을 연결하는 형태로 시계열의 차원을 감소시킬 수도 있는데 Perceptually important points(PIP) 방법이라고 불린다. 패턴 매칭 및 시계열과의 최대 거리 탐색과 같은 방법을 사용하여 변화가 발생하는 변곡점을 탐지하고 이 점들을 연결하는 형태로 데이터의 차원을 줄이게 된다. |
Fu. T.-C. (2011) A review on time series data mining, Eng. Appl. Appl. Artif. Intell. 24, pp. 164-181.
Lin. J., Keogh, E. Lonardi, S., Chiu, B. (2003) A Symbolic representation of time series, with implications for streaming algorithms. In: Proceedings of the Eighth ACM SIGMOD International Conference on Management of Data Workshop on Research Issues in Data Mining and Knowledge Discovery, pp. 2-11.
Keogh, E. (2002) Exact indexing of dynamic time warping. In: Proceedings of the 28th International Conference on Very Large Databases, pp. 406-417.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.