Seminar: July 27, 2023, Professor. Sukjoon Pyun, Inha Univ.
July 27, 2023, Professor. Sukjoon Pyun, Inha Univ. 참고문헌 : 2023, Choi et al., Automatic microseismic signal classification for mining safety monitoring using the Wavenet classifer 이 논문에 대한 발표였음. 자세한 사항은 해당 논문 참조. 데이터: 시계열 데이터 *관심 없는 신호 (드릴링, 정비 작업) 와 관심 있는 신호 (미소 지진)를 효율적으로 구분하는 것이 목표 *센서의 수가 적고, 제한된 정보를 가지고 있는 환경 *데이터 양이 적은 경우 규칙 기반의 선별 방법 적용 가능. 하지만 데이터 양이 증가하면 예외적인 경우가 많아져서 기계학습을 사용하는 것이 보다 효율적임 Label은 대학원생에 의해 수작업... (작업일지, 일과시간 이후에 발생하는 목표 신호 등 활용) *학습량을 늘리기 위해서 다른 지역의 자료도 활용. 그냥 수치적 증가 보다는 의미가 있다고 판단 *각 지역간의 취득된 자료의 특징 (수신 신호 길이 차이)의 특징이 달라서 이를 극복하는 과정이 필요했음 *실시간 분석이 요구되기 때문에 주파수영역 이용하지 않음 1.ML 모델 학습 방법 은: Radom forest. 고전적인 방법이지만 요즘 Deep Learning이 가지고 있는 Black box의 문제 (즉, 왜 그렇게 됬는지 설명이 어렵다)가 없고 설명가능하다. Confusion matrix 제시 2. DL 모델 Wavenet 과 SampleCNN 활용 DL 모델 너무 많아서 다 해보지는 못한다. 3. Audience comment 감독 분류 보다 비감독 분류는 어떠한가? (대학원생의 노력을 덜어 줄 수 있지 않은가?) =========================================================== 나의 생각: 나도 ...