핵심 개념
본 논문에서는 비정상 데이터 스트림을 모델링하기 위해 네트워크 파라미터와 저장소 구조를 자율적으로 조정하는 SORSCN(Self-Organizing Recurrent Stochastic Configuration Networks)이라는 새로운 랜덤 학습 모델을 제안합니다.
초록
비정상 데이터 모델링을 위한 자기 조직 순환 확률적 구성 네트워크: 연구 논문 요약
Dang, G., & Wang, D. (2024). 비정상 데이터 모델링을 위한 자기 조직 순환 확률적 구성 네트워크 [Self-Organizing Recurrent Stochastic Configuration Networks for Nonstationary Data Modelling]. arXiv preprint arXiv:2410.10072v1.
본 연구는 비정상적 특성을 나타내는 산업 시스템에서 생성된 데이터를 모델링하는 데 어려움을 해결하고자 합니다. 이를 위해 자기 조직 순환 확률적 구성 네트워크(SORSCN)라는 새로운 랜덤 학습 모델을 개발하여 비정상 데이터 스트림을 효과적으로 모델링하는 것을 목표로 합니다.