초록 ▼

□ 연구개요
심층학습 기반 생성모델을 통한 일반화 가능한 시계열 이상 징후 예측모델 제시
○ (1차년도) 심층학습 기반 시계열 생성모델 설계
○ (2차년도) 시계열 생성모델을 통한 이상 징후 예측모델 설계
○ (3차년도) 강인한 시계열 이상 징후 예측모델 평가 프로토콜 제시

□ 연구 목표대비 연구결과
○ 심층학습 기반 시계열 생성모델 설계
▶ 다양한 심층신경망 구조 기반 시계열 사전 분포 학습
- 심층 합성곱신경망 및 순환신경망 기반 인코더-디코더 구조의 시계열 모델 도출
-

□ 연구개요
심층학습 기반 생성모델을 통한 일반화 가능한 시계열 이상 징후 예측모델 제시
○ (1차년도) 심층학습 기반 시계열 생성모델 설계
○ (2차년도) 시계열 생성모델을 통한 이상 징후 예측모델 설계
○ (3차년도) 강인한 시계열 이상 징후 예측모델 평가 프로토콜 제시

□ 연구 목표대비 연구결과
○ 심층학습 기반 시계열 생성모델 설계
▶ 다양한 심층신경망 구조 기반 시계열 사전 분포 학습
- 심층 합성곱신경망 및 순환신경망 기반 인코더-디코더 구조의 시계열 모델 도출
- 심층 양뱡향 표현학습 모델 및 시계열 구조 정보를 활용한 사전 분포 모델 도출
▶ 사전 분포 학습을 통한 정상 시계열 생성모델 설계
- 정상 시계열 생성을 위한 심층 순환신경망 기반 인코더-디코더 구조의 자동회귀 모델 도출
○ 시계열 생성모델을 통한 시계열 이상 징후 예측모델 설계
▶ 심층신경망 적층에 따른 정상-특이점 예측 임계치 지속학습
- (1) 임의의 이상치로 산출, (2) 입력 자체를 이상치로 산출, (3) 임의의 모델 추론치를 이상치로 산출 과정을 통한 임계 하한치 도출
○ 강인한 시계열 이상 징후 예측모델 평가 프로토콜 제시
▶ 시계열 이상 예측모델 성능치 분석을 통한 평가 프로토콜 설계
- 시계열 이상 징후 예측모델 평가를 위한 기존 프로토콜 병합 가능한 PA%k 프로토콜 제시

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
○ 시계열 이상 징후 예측을 위한 엔드-투-엔드 예측모델 제시
▶ 도메인 적응 가능한 생성모델을 제시함으로써 학습모델 적용성 제고
▶ 설명 가능한 심층학습 모델을 제시함으로써 학습모델 활용성 제고
○ 강인한 시계열 이상 징후 예측모델 평가 프로토콜 제시
▶ 기존 시계열 이상 예측모델 평가 프로토콜의 과대추정 문제 보완
○ 상용 모니터링 시스템 이상 징후 예측을 통한 시스템 유지·보수 비용 절감
▶ 사물 인터넷 자동화, 지능형 무인 감시, 원격 의료, 공장 자동화 공정 등

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 1) 연구의 최종 목표 ... 4
• 2) 연차별 연구 내용 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 12
• 1) 정성적 연구개발성과(연구개발결과) ... 12
• 2) 세부 정량적 연구개발성과 ... 12
• 3) 목표 달성 수준 ... 12
• 4) 목표 미달 시 원인 분석 ... 12
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 13
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 참고문헌 ... 13
• [붙임1] 세부 정량적 연구개발성과 ... 14
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 15
• 끝페이지 ... 28