Task #111
중은 정이(가) 일년 이상 전에 변경
### 목적
- STFT가 아닌 다른 변환 알고리즘을 통해서, 더 높은 정확도와 더 짧은 연산 시간의 구현이 가능성 검토 연구
- 파라미터 설정을 통해서, 범용성을 가질 수 있는지 검토 연구
ex) A센서를 통해 수집한 데이터로 학습한 AI모델에, B센서를 통해 수집한 데이터의 테스트로 높은 정확도를 구현할 수 있는가?
### 목표
- STFT 포함한 여러 주파수 도메인 변환 알고리즘 구현
- 정량적 성능 비교 연구 결과 분석을 통한 향후 중점 개발 알고리즘 결정
### 예상 개발 기간
- 5주 (4/1-4/30)
### 참여 인력
- 권현준
### 하위 Task
- 연구 실험 계획서 작성
- Task 1: 알고리즘 탐색
* STFT 이외의 변환 알고리즘 중에서, 어떤 알고리즘을 비교 연구할 것인지 정한다.
* 선정 기준을 수립한 뒤, 그 기준에 맞는 후보군을 추린다.
* 선정 기준 예시) 다루는 데이터에 적절한 변환 알고리즘인지? 관련 연구 자료가 충분한지? 해당 알고리즘에 대한 평이 어떠한지?
- Task 2: 데이터 선정
* 데이터의 종류, 규모 등을 고려 데이터셋 정의
* 다양한 조건 및 환경에서 수집된 데이터를 선정
* 학습에 사용할 A센서 데이터, 테스트에 사용할 B센서 데이터로 구분
- Task 3: 평가 측정 지표 설정
* 평가 지표 예시)
* 성능: Confusion matrix, F1-score
* 연산 시간: MATLAB의 tic-toc 함수
* 범용성: A센서를 통해 수집한 데이터로 학습한 AI모델에, B센서를 통해 수집한 데이터의 테스트 결과
- Task 4: 변환 알고리즘 구현
* 선정한 다른 변환 알고리즘을 구현하고, 이를 기존 모델에 적용하여 새로운 모델을 구축
* 과정 2에서 선정된 데이터로 기존 모델, 새로운 모델 각각 학습 및 테스트를 진행
* 각 알고리즘 별로 파라미터 조합을 설정한 뒤, 4-1, 4-2의 과정을 반복
* 과정 3에서 설정한 평가 측정 지표에 따라 평가
- Task 5: 결과 보고서 작성
* 각 파라미터가 모델의 성능에 미치는 영향을 파악
* 가장 성능이 우수한 알고리즘과 파라미터 조합을 도출하고, 추가적인 연구를 고려
* 연구 결과의 의의와 한계 점 식별
뒤로