디지털 라이브러리[ 검색결과 ]
도심지 교통흐름 및 미세먼지 예측을 위한 딥러닝 LSTM 프레임워크
http://doi.org/10.5626/JOK.2020.47.3.292
정확하고 시기 적절한 예측은 스마트시티의 성공적인 추진을 위한 중요한 단계이다. 매일 수집되는 교통 데이터의 급격한 성장으로, 도심지에서 단기 교통 예측을 위한 최근 연구는 장단기메모리 LSTM(Long-Short Term Memory) 기반의 딥러닝으로 집중되고 있다. 하지만 단기 (5분) LSTM 모델은 실시간 비선형 교통흐름 예측에는 한계가 있다. 더욱이, 교통 데이터에 기반한 미세먼지 예측은 또한 매우 시급한 연구 분야이다. 따라서 본 논문에서는, 중기/장기 예측을 지원하기 위한 멀티 층 LSTM 프레임워크를 설계하였다. 또한 교통데이터 기반 미세먼지 흐름을 예측하기위한 컨볼루션 ConvLSTM(Convolutional LSTM) 모델을 개발하였다. 교통흐름 예측을 위하여 대전시 중심도로의 차량검지기 VDS (Vehicle Detection System) 데이터를 활용하였다. 실험 결과 본 논문에서 제안한 모델은 우수한 예측 성능을 보여주었다.
Parallel Stacked Bidirectional LSTM 모델을 이용한 한국어 영화리뷰 감성 분석
http://doi.org/10.5626/JOK.2019.46.1.45
감성분석은 텍스트 문서의 감성을 분류하는 문서 분류의 한 분야이다. 딥러닝을 이용한 감성분석 방법론은 문서를 토큰화 후 임베딩을 통해 문장벡터를 얻는 과정과 벡터화된 문서를 분류하는 과정으로 나눌 수 있다. 기존 연구들의 방식들을 리뷰하고 어떤 방식의 임베딩 방법과 딥러닝 모델이 한국어 문서에 적합한지 감성분석에 비교 실험을 통해 한국어에 적합한 방법론을 찾아낸다. 문서 전처리 방법은 문서를 단어, 음절 그리고 음소 단위로 토큰화 하는 방법을 비교하였다. 또한, 모델을 CNN부터 LSTM, Bi-LSTM, Stacked Bi-LSTM, 새롭게 제안하는 Parallel Stacked Bidirectional LSTM 모델까지 네이버 영화 리뷰 데이터셋인 NSMC에 대해 비교 실험을 하였다. 제안된 모델의 성능이 기존의 기본 딥러닝 모델에 비해 높은 성능을 보임을 확인하였고, 다른 전처리를 통해 학습된 모델간의 앙상블을 통해 보다 최고 성능인 88.95%의 분류 정확도를 달성하였다.
