함수형 모형 및 ConvLSTM기반 동작분석
- 주제(키워드) 함수형 로지스틱 회귀 분석 , ConvLSTM , 함수형 자료 분석 , 동작 분석
- 발행기관 아주대학교
- 지도교수 권순선
- 발행년도 2021
- 학위수여년월 2021. 2
- 학위명 석사
- 학과 및 전공 일반대학원 인공지능·데이터사이언스학과
- 실제URI http://www.dcollection.net/handler/ajou/000000030595
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
함수형 데이터(Functional data)는 시계열 데이터와 같이 유한한 한 시점에서 관찰된 일련의 데이터로 각 실험자에 대해 하나 또는 여러 개의 함수로 기록되는 데이터이다. 이러한 함수형 데이터를 분류하기 위한 다양한 방법들이 제안되었다. 특히, 분류 및 예측에 사용되는 함수형 로지스틱 회귀(Functional logistic regression) 모형은 이진 반응 변수에서 쓰이는 대표적인 예측 모형이다. 그러나 불균형 데이터에서 분류 정확도가 좋지 않으며 하나의 단변량에 대해서만 예측 및 분류가 가능하다는 한계가 있다. 위 문제들을 해결하기 위해 본 논문이 제안하는 방법론은 함수형 로지스틱 회귀모형과 ConvLSTM의 혼합 모델을 통해 동작을 분류하는 동작 예측 모형이다. 시뮬레이션 데이터를 생성하여 기존 방법론인 함수형 로지스틱 회귀 모형과 ConvLSTM 모델 그리고 제안하는 방법론인 FLRconvLSTM 예측 모형을 비교하였다. 또한 실제 동작 데이터인 보행 데이터에도 적용하여 무릎, 발목 등 10개의 요소에 대해 성능을 비교하였다. 이와 같이 본 논문에서는 시뮬레이션 데이터와 실제 동작 데이터를 통해 제안하는 방법론의 성능을 검증하였다.
more목차
제1장 도입 1
제2장 기존 방법론 2
제1절 함수형 모형 2
1. 함수형 데이터 (Functional data) 2
2. 함수형 로지스틱 회귀 분석 (Functional Logistic Regression; FLR) 3
제2절 기계학습을 이용한 방법론 4
1. 장 단기 메모리(Long Short-Term Memory; LSTM) 4
2. ConvLSTM 7
제3장 제안하는 방법론 7
제1절 함수형 ConvLSTM 모델: FLRconvLSTM 7
제2절 분류 성능 평가 지표 10
1. 크로스 엔트로피 손실 함수 (Cross entropy loss function) 10
2. F1 Score 11
제3절 시뮬레이션 적용 13
1. 시뮬레이션 데이터 소개 13
2. 방법론 적용 결과 15
제4장 동작분석 데이터 적용 17
제1절 데이터 소개 17
제2절 데이터 분석 18
1. 데이터의 시각화 18
2. 분류 및 성능 비교 19
제5장 결론 22
참고문헌 23
