项目来源

韩（略）科（略）

项目主持人

김（略）

项目受资助机构

서（略）교

项目编号

未（略）

立项年度

2（略）

立项时间

未（略）

研究期限

未（略） （略）

项目级别

国（略）

受资助金额

1（略）0（略）.（略）元

学科

未（略）

学科代码

未（略）

基金类别

이（略）술（略）반（略）R（略）

关键词

未（略）

参与者

未（略）

参与机构

未（略）

项目标书摘要：연구（略） 비표지(unla（略） 데이터를 기반으（略） 내재화할 수 있（略） 비지도 학습 방（略） 다양한 작업(예（略）측,제어 최적화 （略）능(artific（略）gence,AI)（略）환하는 전략을 개（略）한다.또한,Tra（略）를 기반으로 시계（略）조에 적합한 설명（略）inable AI（略）모델의 판단 근거（略）가능하도록 함으로（略）신뢰성과 적용성을（略）한다.최근 산업 （略） 수준이 높아짐에（略）에 기반한 기존 （略）인해 AI 기술의（略）되고 있다.이에 （略）이터를 기반으로 （略） 수 있는 작업 （略）한 수요가 급증하（略）은 두 가지 핵심（略） 번째 난제는 표（略） 작업 특화 모델（略）실제 설비에서 수（略）터는 표지 정보(（略）제어 변수,불량 （略） 않는 비표지 데（略）지도학습 기반으로（略）데 제약이 크다.（略）에 특화된 모델은（略） 새로운 설비나 （略） 어려워 다양한 （略）적을 포괄할 수 （略）조가 필요하다.두（略） 기반 AI 모델（略）이다.산업 현장에（略）측 결과가 실제 （略）적으로 활용되기 （略）근거를 명확히 설（略） 필수적이다.하지（略）I 기법은 주로 （略）이 시각적·문맥적（略）해석할 수 있는 （略） 맞추고 있어,신（略） 분석이 필요한 （略）하기에는 구조적 （略）연구는 이러한 난（略） 다음과 같은 두（略） 제안한다.첫째,（略）GPT,BERT （略）이션 모델 개념을（略）에 적용한다.이를（略）를 마스킹한 후 （略） 구조를 기반으로（略）e learnin（略）수 도메인 증강기（略）설비의 작동 원리（略）파운데이션 모델은（略）정보만으로도 다양（略）I 모델로 빠르게（略）-tuning)될（略）,이를 통해 데이（略）효과적인 AI 활（略）,Transfor（略） attentio（略）이터의 시간 축 （略）,이를 바탕으로 （略） 해석,스펙트럼 （略） 등)을 적용함으（略）정을 정량적으로 （略） 설명가능 AI （略）기술은 모델이 어（略）에 주목했는지를 （略） 있으며,전문가가（略）과 타당성을 확인（略）는 기술을 개발하（略） 비지도 학습 기（略）데이션 모델을 구（略）작업 특화 AI （略）수 있는 전략을 （略）터에 특화된 설명（略）께 고도화하는 것（略）.연구개발은 크게（略）로 이루어진다:(（略）학습을 위한 사전（略）기반 작업 특화 （略）former 기반（略）능 AI 기법 개（略）리 학습을 위한 （略）대규모 언어 모델（略）)에서 활용되는 （略）안한 비지도 학습（略） 데이터에 맞게 （略） 모델은 마스킹 （略）sked Lang（略）ng)과 문장 간（略） Sentence（略）)과 같은 전략을（略） 학습하며 파운데（略）일반적인 작동 원（略）연구에서는 산업 （略）운행,센싱 신호로（略）관계임을 고려하여（略）비지도 학습으로 （略） 원리를 내재화한（略）개발하고자 한다.（略）스킹 복원 기반 （略）astive le（略）기지도학습 기법 （略）메인 증강 기법 （略） 고려하여 설비 （略） 수 있는 파운데（略）.둘째,미세조정 （略）에서는 사전학습된（略）실제 산업 설비에（略）작업 유형에 맞춰（略） 전략을 개발한다（略）설비 데이터를 복（略） 원리를 학습하므（略）업에 따라 출력 （略）달라질 수 있다.（略）assificat（略）ression)등（略）인 작업에 대응하（略） 전환과 전이학습（略）reeze)전략을（略）각 작업에 특화된（略） 규제항을 설계함（略）일반화 성능을 동（略）,특히 열화 추정（略）을 갖는 작업에서（略）정렬 규제 등 도（略）실 함수를 적용한（略）ormer 기반 （略） 인공지능 기법 （略） 모델의 추론 근（略）할 수 있는 기술（略）Transform（略）-attentio（略）관계를 모델링하는（略）시계열 데이터에 （略）시간 순서 정보가（略）저하되는 문제가 （略）위해 attent（略）시계열의 시간 순（略）,시계열 원 신호（略）맞춤으로써 해석 （略）on map을 생（略）tion map은（略） 기법들과 결합되（略）된다.시간 영역에（略）분포 분석 등을 （略）에서는 스펙트럼 （略）stationar（略）주파수 변환 등 （略）적용하여 AI 모（略）떤 정보에 주목했（略）가할 수 있도록 （略）는 파운데이션 모（略）특화 모델을 구축（略）데이터에 특화된 （略） 융합함으로써 산（略）기술의 활용 실효（略）한다.제안한 파운（略） 설비 데이터를 （略） 내재화하여 학습（略） 소량의 표지 데（略） 높은 성능을 가（略） 구축할 수 있다（略）수집·가공 비용이（略）도 효율적인 AI（略）다.또한,설명가능（略）델의 추론 근거를（略） 시각화하고,정량（略）므로 현장 운용자（略） 높이고,AI 기（略）을 강화할 수 있（略）마트팩토리에서의 （略）예지보전,에너지 （略）기 경고,모빌리티（略） 신뢰성 확보 등（略） 가능하다.경제적（略） 비용 절감,설비（略）기반 운영 최적화（略） 효과를 기대할 （略）면에서는 안전 확（略）능 기반 산업 자（略）파급 효과가 클 （略）