다변량 시계열 데이터에서 이상 탐지를 위한 지식 증류

Abstract

지식 증류란 학습된 딥러닝 모델을 활용하여 모델의 가중치 연산 수는 적지만 기존 모델과 비교하여 성능이 비슷한 모델을 학습하는 기법을 말한다. 본 논문에서는 다변량 시계열 데이터에서 평균 제곱 오차 기반 손실 함수를 활용하여 이상 탐지를 위한 지식 증류 방법을 제안한다. 실제 데이터셋에 대한 실험에서는 지식 증류를 통해 학습된 모델이 약 60% 적은 가중치 연산 수를 가지면서도 기존 모델과 비슷한 이상 탐지 성능을 가지고 있음을 보인다.