캡슐 신경망의 시계열 데이터에 대한 노이즈 저감 기능 (Capsule Neural Networks as Noise Stabilizer for Time Series Data)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 51권 / 8호 / 678 ~ 684페이지
· 저자명 : 김소연, 성지현, 한현경, 최재식

초록

캡슐은 여러 뉴런을 묶은 벡터 표현으로, 객체의 각도, 위치, 크기와 같은 중요한 정보를 담고 있다. 캡슐 신경망은 이러한 관점 불변성을 학습하여 기존의 합성곱 신경망보다 노이즈가 많은 데이터에 강건하게 작동한다. 특히, 동적 라우팅 캡슐 신경망은 아핀 행렬과 동적 라우팅을 통해 캡슐을 학습한다. 본 연구에서는 아핀 행렬이 데이터의 변형을 나타내는 동안, 동적 라우팅 캡슐 신경망이 노이즈가 많고 민감한 시계열 데이터에 대한 노이즈 안정화 기능을 수행할 수 있다고 가정한다. 우리는 이 노이즈 안정화 기능을 입증하기 위해 심전도(ECG) 데이터에 대해 수동 및 적대적 공격을 수행한다. 본 연구는 캡슐 신경망이 노이즈를 효과적으로 제거하여 노이즈 안정화 기능을 수행함을 실험을 통해 입증한다. 또한, 시계열 분석에서 발생한 노이즈 데이터로 인한 전처리 과정을 데이터 기반으로 해결할 수 있는 잠재력을 강조한다.

영어초록

A Capsule is a vector-wise representation formed by multiple neurons that encodes conceptual information about an object, such as angle, position, and size. Capsule Neural Network (CapsNet) learns to be viewpoint invariant using these capsules. This property makes CapsNet more resilient to noisy data compared to traditional Convolutional Neural Networks (CNNs). The Dynamic-Routing Capsule Neural Network (DR-CapsNet) uses an affine matrix and dynamic routing mechanism to train the capsules. In this paper, we propose that DR-CapsNet has the potential to act as a noise stabilizer in time series sensor data that have high sensitivity and significant noise in real world. To demonstrate the robustness of DR-CapsNet as a stabilizer, we conduct manual and adversarial attacks on an electrocardiogram (ECG) dataset. Our study provides empirical evidence that CapsNet effectively functions as a noise stabilizer and highlights its potential in addressing the challenges of preprocessing noisy measurements in time series analysis.

참고자료

· 없음