Detailed Information
Cited 0 time in 
Cited 0 time in 
Cited 0 time in
Metadata Downloads
교차 어텐션 신경망을 이용한 강수 유무 예측 및 유효 데이터 도출Prediction of Presence or Absence of Precipitation and Derivation of Valid Data Using Cross Attention Neural Network
- Other Titles
- Prediction of Presence or Absence of Precipitation and Derivation of Valid Data Using Cross Attention Neural Network
- Issue Date
- Feb-2024
- Publisher
- 한국지능시스템학회
- Keywords
- Time Series Data Processing; Deep Learning; Presence or Absence of Precipitation; Cross Attention Neural Network; LSTM; 시계열 데이터 처리; 딥 러닝; 강수 유무 예측; 교차 어텐션 신경망; LSTM
- Citation
- 한국지능시스템학회 논문지, v.34, no.1, pp 36 - 42
- Pages
- 7
- Journal Title
- 한국지능시스템학회 논문지
- Volume
- 34
- Number
- 1
- Start Page
- 36
- End Page
- 42
- ISSN
- 1976-9172
2288-2324
- Abstract
- 시계열 데이터 처리는 데이터의 시계열성을 이용하여 현재, 미래의 상황을 예측 및 분석하는분야로 다양한 분야에서 연구가 진행되고 있다. 최근에는 딥러닝을 이용한 시계열 데이터처리 연구가 활발히 진행되고 있다. 최근에는 수많은 데이터들 중 유효한 데이터를 도출하는 특징선택 분야에 대한 연구도 꾸준히 진행되고 있다. 본 논문에서는 시계열 예측과 유효데이터 도출을 위하여 트랜스포머 신경망의 어텐션 서브모듈을 기반으로 설계한 ‘교차 어텐션 신경망’을 제안한다. 제안하는 알고리즘은 주 시계열과 보조 시계열의 어텐션을 연산한 뒤, 시계열 예측을 진행하는 신경망이다. 또한 제안하는 알고리즘은 전체 데이터로 학습한 뒤, 일부 데이터 입력시의 출력값과 비교하여 유효 데이터를 효율적으로 도출할 수 있다. 강수 유무를 예측하는 시뮬레이션을 통해 제안하는 알고리즘의 예측성능을 LSTM의 예측성능과 비교 검증하고, 유효 데이터 도출을 통해 입력 데이터를 줄이면서도 성능을 유지하는것을 보인다.
- Files in This Item
- There are no files associated with this item.
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
Related Researcher
- Yoo, Do Sik
- Engineering (Electronic & Electrical Engineering)