45분
1D-CNN 시계열 분류 (PyTorch)
Day 3: 고장 분류 모델
1D-CNN 시계열 분류 (PyTorch)
예지보전 — 설비 고장 예측 시스템 > Day 3: 고장 분류 모델
학습 목표
1D-CNN으로 시계열 센서 데이터를 분류할 수 있다 Conv1d, BatchNorm, Pooling 레이어의 역할을 이해한다 PyTorch로 학습 루프를 구현할 수 있다
1D-CNN 고장 분류
피처 엔지니어링 없이 원시 센서 시퀀스를 직접 입력한다. CNN이 자동으로 패턴을 학습한다.
1D-CNN 구조
에디터 로딩 중...
아래 코드를 cnn_classification.py로 저장하고 실행하세요.
에디터 로딩 중...
힌트 보기
- • 1D-CNN의 입력은 (batch, channels, seq_len) 형태이다
- • Conv1d의 kernel_size가 시간축 패턴의 크기를 결정한다
- • Global Average Pooling으로 시퀀스 길이에 무관한 고정 벡터를 얻는다
- • BatchNorm은 학습 안정성을, Dropout은 과적합 방지에 기여한다