연구동향 분석

LIME을 활용한 준지도 학습 기반 이상 탐지 모델: 반도체 공정을 중심으로

안강민 신주은 백동현 2022년

논문상세정보
인용/피인용
' LIME을 활용한 준지도 학습 기반 이상 탐지 모델: 반도체 공정을 중심으로' 의 주제별 논문영향력
논문영향력 선정 방법
논문영향력 요약
주제
  • Anomaly Detection
  • LIME
  • RFECV
  • Semiconductor Fabrication Process
  • smote
동일주제 총논문수 논문피인용 총횟수 주제별 논문영향력의 평균
122 0

0.0%

' LIME을 활용한 준지도 학습 기반 이상 탐지 모델: 반도체 공정을 중심으로' 의 참고문헌

  • 이상 탐지 분석에서 알려지지 않는 공격을 식별하기 위한 이산 웨이블릿 변환 적용 연구
    김동욱 [2021]
  • 수질자료의 이상치 탐색을 위한 Isolation Forest기법의 적용
    김종은 [2018]
  • 생성적 적대 신경망을 이용한 반도체 제조공정 데이터의 결측치 추정 및 공정 이상 진단 프레임웍
    김희수 [2018]
  • 반도체 제조공정에서의 이상수율 검출 방법론
    이장희 [2008]
  • 반도체 설비의 효율성 제고를 위한 설비 할당 스케줄링 규칙에 관한 연구
    김정우 [2016]
  • 로지스틱 회귀분석 및 AHP 기법을 이용한 산사태 위험지역 분석
    이용준 [2006]
  • 데이터 불균형을 고려한 설명 가능한 인공지능 기반 기업부도예측 방법론 연구
    허선우 [2022]
  • XGBoost Tutorials - xgboost 1.4.0-SNAPSHOT documentation
  • XAI, Explanable Artificial Intelligence, Dissects Artificial Intelligence
    An, J. H [2020]
  • Why should i trust you?” Explaining the predictions of any classifier
  • What does explainable AI really mean? A new conceptualization of perspectives
  • UCI Machine Learning Repository
  • The Regression Analysis of Binary Sequences .
    Cox , D. R. [1958]
  • The Future of the Semiconductor Empire
    Jung, I.S [2021]
  • Technology of Design and Manufacturing Process of Nano Semiconductor Devices
    Choi, S. J [2021]
  • Strategies to leverage manufacturing big data
    Kim, J. W [2020]
  • Simultaneous fault detection and classification for semiconductor manufacturing tools
  • Silicon Times, Vol. 601
  • Semiconductor wafer defect classification using convolution neural network: a binary case
  • Selecting and interpreting measures of thematic classification accuracy
  • SMOTE: synthetic minority over-sampling technique
  • Random forests
  • Python Machine Learning Complete Guide
    Kwon, C.M [2020]
  • Neural network ensemble strategies for financial decision applications
    West, D [2005]
  • MissForest—non-parametric missing value imputation for mixed-type data
  • Machine Learning Textbook with Python, Scikit-Learn, TensorFlow
    Raschka, S [2019]
  • Lightgbm: A highly efficient gradient boosting decision tree
    Ke, G. [2017]
  • Learning on the border: active learning in imbalanced data classification
    Ertekin, S [2007]
  • LSTM based Anomaly Detection on semiconductor manufacturing data
    Kim, C.G [2017]
  • LIME 알고리즘을 이용한 한국어 감성 분류 모델 해석
    남충현 [2021]
  • Isolation Forest
    Liu, F.T [2008]
  • Improving automated visual fault inspection for semiconductor manufacturing using a hybrid multistage system of deep neural networks
  • Identification of outliers
  • Hands-On Explainable AI(XAI) with Python
    Rothman, D [2021]
  • Gene selection for cancer classification using support vector machines
    Guyon, I [2002]
  • Game changers: Five opportunities for US growth and renewal
  • Feature selection: A data perspective
    Li, J [2017]
  • Explainable artificial intelligence: Understanding, visualizing and interpreting deep learning models
  • Explainable AI
  • Estimating the support of a high-dimensional distribution
  • Developing and Evaluating an Anomaly Detection System
  • Data imbalance problem solving for smote based oversampling: Study on fault detection prediction model in semiconductor manufacturing process
    Kim, J. K [2016]
  • Anomaly detection for semiconductor tools using stacked autoencoder learning
    Liao, D.Y [2018]
  • Anomaly detection approaches for semiconductor manufacturing
    Susto, G. A [2017]
  • Anomaly detection : A survey
    Chandola, V [2009]
  • An Efficient Android Malware Prediction Using Ensemble machine learning algorithms
    Al Sarah, N [2021]
  • A new neural network to process missing data without Imputation
  • A comparative study on rough set based class imbalance learning
    Liu, J [2008]
  • A Deep Convolutional Autoencoder-Based Approach for Anomaly Detection With Industrial, Non-Images, 2-Dimensional Data: A Semiconductor Manufacturing Case Study