Current Result Document :
| 한글제목(Korean Title) |
자기지도 학습 기반의 신종 감염병 예측 모델 추천 기법 |
| 영문제목(English Title) |
Self-supervised Learning-based Forecasting Model Recommendation Scheme for Emerging Infectious Disease |
| 저자(Author) |
노윤아
정승원
박성우
황인준
Yoona Noh
Seungwon Jung
Sungwoo Park
Eenjun Hwang
|
| 원문수록처(Citation) |
VOL 48 NO. 02 PP. 0635 ~ 0637 (2021. 12) |
한글내용
(Korean Abstract) |
코로나19 감염병은 대표적인 신종 감염병으로, 최근까지도 전 세계에 막대한 피해를 야기하고 있다. 이러한 피해를 줄이기 위해선 확산 초기부터 다양한 확산 방지 대책이 필요하며, 효과적인 대책 수립을 위해 확산 정도를 조기에 파악하고 미래 확진자 수를 정확하게 예측하는 것이 중요하다. 예측 연구의 정확도를 높이려면 많은 양의 데이터가 필요하나, 관련 데이터가 부족한 감염병 확산 초기에는 데이터 수의 한계로 인해 충분한 예측 정확도를 달성하기 힘들다. 이러한 문제는 코로나19뿐만 아니라 이후 신종 감염병이 등장했을 때 반복될 가능성이 매우 크다. 따라서 본 논문에서는 코로나19와 같이 새롭게 발생하여 데이터가 부족한 경우에도 예측 정확도가 높은 모델을 추천할 수 있는 자기지도 학습 기반의 감염병 예측 모델 추천 기법을 제안한다. 이를 위해 다양한 시계열 데이터로부터 데이터의 특징에 따른 최적의 예측 모델 및 하이퍼파라미터 정보를 생성하고 이를 참조함으로써 새로운 시계열 데이터에 적합한 예측 모델을 추천한다. 제안한 기법을 코로나19 확진자 수 데이터에 활용하여 제안한 기법의 우수성을 입증하였다.
|
영문내용
(English Abstract) |
|
| 키워드(Keyword) |
|
| 파일첨부 |
PDF 다운로드
|
