LSTM 완전 컨볼루션 네트워크를 이용한 시계열 분류

완전 컨볼루션 신경망(FCN)은 시계열 시퀀스 분류 작업에서 최고 수준의 성능을 달성하는 것으로 입증되었습니다. 본 연구에서는 시계열 분류를 위해 완전 컨볼루션 신경망에 장단기 기억 순환 신경망(LSTM RNN) 서브모듈을 추가하는 방법을 제안합니다. 제안된 모델들은 모델 크기를 크게 증가시키지 않으면서 완전 컨볼루션 신경망의 성능을 크게 향상시키며, 데이터셋에 대한 최소한의 전처리만 필요합니다. 제안된 장단기 기억 완전 컨볼루션 네트워크(LSTM-FCN)는 다른 모델들과 비교하여 최고 수준의 성능을 달성하였습니다. 또한, 주의 메커니즘을 활용하여 시간 주의 장단기 기억 완전 컨볼루션 네트워크(ALSTM-FCN)를 통해 시계열 분류 성능을 개선하는 방법도 탐구하였습니다. 주의 메커니즘의 활용은 LSTM 셀의 결정 과정을 가시화할 수 있게 합니다. 더불어, 학습된 모델들의 성능 향상을 위한 미세 조정(fine-tuning) 방법도 제안하였습니다. 본 논문에서는 제안된 모델의 전체적인 성능 분석을 제공하고 다른 기술들과 비교하였습니다.