Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 |
Tags
- pdf parsing
- 손실함수
- 오차역전파
- 활성화함수
- segmentation
- 딥러닝
- rag-fusion
- Mean squared error
- Non-Maximum Suppression
- nlp
- Time Series
- multi-query
- 데이터 파싱
- 시계열
- E
- Cross Entropy Error
- LLM
- 활성화 함수
- 퍼셉트론
- rag parsing
- LLaVA
- 컴퓨터비전
- visual instruction tuning
- 합성곱 신경망
- anomaly detection
- leetcode
- rrf
- deep learning
- 이상탐지
- computer vision
Archives
- Today
- Total
목록anomaly detection (1)
굴러가는 분석가의 일상
[논문리뷰] Unsupervised Deep Anomaly Detection for Multi-Sensor Time-Series Signals
실무 경험을 통해 설비 예지보전과 이상 탐지를 위한 다변량 통계적 공정 관리 관련하여 관심을 가지게 되었습니다. 파악된 센서 개소는 대략 몇천개 정도로 무수히 많았습니다. 단일 센서의 데이터 트렌드 분석은 MES에서 데이터를 끌어와 시각화 툴을 통해 파악할 수 있습니다. 하지만, 이상탐지를 기반으로 설비예지보전 및 SPC 진행하는 것에 대한 한계점이 있다고 생각했습니다. 수천 가지 센서 데이터의 전반적인 트렌드를 파악하는 것은 복잡한 과제입니다. 각 설비의 고유한 운영 패턴과 환경 파라미터의 변화를 고려하여 개별 센서 스펙을 설정하는 것이 현실적으로 매우 어렵기 때문입니다. 더불어, Noise/Normal/Abnormal의 대한 기준을 명확하게 나눌수 없는점이 가장 큰 Pain Point라고 생각했습니다..
논문리뷰
2023. 10. 22. 00:59