KCI등재
딥러닝 기술을 위한 시뮬레이션 스펙트럼 데이터 생성 방법
저자
손영재(YoungJae Son) ; 진철군(Tiejun Chen) ; 손성재(SeongJae Son) ; 백성준(Sung-June Baek)
발행기관
학술지명
한국산학기술학회논문지(Journal of Korea Academia-Industrial cooperation Society)
권호사항
발행연도
2022
작성언어
Korean
주제어
KDC
505
등재정보
KCI등재
자료형태
학술저널
수록면
26-33(8쪽)
DOI식별코드
제공처
소장기관
최근 분광법(Spectroscopy)의 적용 분야가 확대됨에 따라 다양한 분석법이 제안되고 있고, 그중에서도 딥러닝 기술을 이용한 신호 처리가 활발히 연구되고 있다. 딥러닝 기술을 이용한 신호 처리는 방대한 양의 데이터가 요구되는데 실제 데이터의 수집은 비용적, 시간적 측면에서 어려움이 존재하기 때문에 다양한 시뮬레이션 데이터 생성 방법이 제시되었다. 일반적으로 사용되는 시뮬레이션 데이터 생성 방법에는 커널 함수와 다항식을 이용하는 방법과 실제 데이터를 이용한 데이터 증강법(Data Augmentation)이 있다. 커널 함수와 다항식을 이용한 방법은 단순 다항식으로 표현되지 않는 실제 분광 신호 처리에 어려움이 존재하고, 데이터 증강법은 이용되는 실제 데이터에 따라 성능이 크게 좌우되는 단점이 있다. 이러한 문제점을 개선하기 위해 본 연구에서는 해닝 윈도우(Hanning window)와 Cubic Spline 보간법등을 이용하여 가상 분광 스펙트럼 데이터를 생성하는 방법을 제안하였다. 기존 데이터 생성 방법들과의 성능 비교를 위해 배경잡음을 검출하는 딥러닝 모델을 사용하여 원본 데이터와 배경 잡음이 제거된 데이터 간 오차를 비교하였다. 제안된 생성 방법은 커널 함수와 다항식을 이용한 생성 방법 및 데이터 증강법에 비해 각각 29.9%, 86.8%의 성능 향상을 보였으며, 실제 분광 신호 데이터에서도 효과적으로 적용될 수 있음을 확인하였다.
더보기With the recent expansion of the application of spectroscopy, various methods of analysis have been proposed, among which signal processing using deep learning technology is being actively studied. Signal processing using deep learning technology requires a huge amount of data, and the collection of actual data is a challenge in terms of cost and time. Thus, various simulation data-generation methods have been proposed. Commonly used methods of generating simulation data include using kernel functions and polynomials, as well as data augmentation using real data. Methods using kernel functions and polynomials have a disadvantage of difficulties in the processing of the actual spectroscopic signal, which is not expressed as a simple polynomial. The data augmentation method has the disadvantage of the performance being largely dependent on the actual data used. To remedy this problem, this study proposes a method of generating virtual spectral data using a Hanning window and Cubic Spline interpolation. For performance comparison with existing data-generation methods, a deep learning model that detects background noise was used to compare the error between the original data and the data with background noise removed. The proposed generation method showed performance improvements of 29.9% and 86.8% compared to the generation method using kernel functions and polynomials and the data augmentation method, respectively. It was confirmed that the method can be effectively applied to actual spectroscopic signal data.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)