[연세대학교] 센서공학 - 프로젝트 보고서 (LSTM)

1. Introduction

오늘날 우리는 데이터와 정보가 넘치는 시대에 살고 있다. 이러한 다양한 정보는 특히 센서 기술의 발전과 더불어 더욱 풍부해지고 있다. 센서들은 환경, 생체, 산업, 자동차 등 여러 분야에서 실시간으로 데이터를 수집하며, 이 데이터를 기반으로 한 다양한 응용 프로그램들이 개발되고 있다. 하지만 수집된 데이터는 종종 복잡하고 비조직적이며, 예측하기 힘든 패턴을 포함하고 있다. 이러한 문제를 해결하기 위해, 머신러닝과 딥러닝 기술이 점점 더 널리 사용되고 있다. 특히, 시계열 데이터를 다루는 데 적합한 알고리즘으로서 LSTM(Long Short-Term Memory) 네트워크가 각광받고 있다. LSTM은 기본적으로 순환 신경망(RNN)의 한 종류로, 시간적 의존성을 잘 모델링할 수 있는 능력을 가지고 있다. 이는 특히 센서 데이터와 같은 시계열 데이터를 처리하는 데 유리하다. LSTM 네트워크는 기존의 RNN이 가진 기울기 소실 문제를 극복하기 위해 고안된 구조이다. 일반적인 RNN은 장시간의 데이터 의존성을 다루는 데 어려움이 있었고, 이는 모델이 과거의 정보를 잘 기억하지 못하게 만들었다. 그러나 LSTM은 셀 상태(cell state)와 여러 가지 게이트…