약한 지도학습을 이용한 오토인코더 기반 오디오 데이터 이상 탐지 알고리즘의 성능 향상

Abstract

최근 산업시설의 고장 및 진단을 위해 딥 러닝을 이용한 이상 탐지 기술이 큰 관심을 얻고 있다. 일반적으로 고장 진단 및 예측 분야는 다른 분야와는 달리 이상 데이터가 정상 데이터 수에 비해 현저히 적다는 특징이 있다. 따라서, 대부분의 데이터가 정상이라고 가정하고 데이터의 레이블 없이 학습하는 비지도 학습을 적용하는 것이 일반적이다. 하지만, 대부분의 정상 데이터로만 학습된 모델에서 높은 정확도의 정상과 이상 데이터 분류성능을 기대하기는 어렵다. 본 논문에서는 비지도 학습의 대표적인 모델인 오토인코더의 성능을 개선하는 방법으로 소량의 이상 데이터를 학습에 사용하는 약한 지도학습 기반 오토인코더를 제안한다. 제안하는 기법이 소량의 이상 데이터만으로도 낮은 복잡도를 유지하면서 기존의 여러 이상탐지 모델 대비 성능 향상에 효과적임을 실험을 통해 보인다.