세탁기 소음 스펙트럼 예측을 위한 조건부 잠재공간 모델링

키워드

확장요약문

세탁기 소음 스펙트럼은 여러 회귀모델로 예측할 수 있으나, 실험에서 얻은 소음 특성을 후속 제품과 시험에 활용하려면 예측값과 함께 재사용 가능한 응답 표현이 필요하다. 본 연구는 Conditional Autoencoder (CAE)로 실측 스펙트럼의 잠재공간을 구성하고 입력조건과 연결하였다. 인코더와 디코더는 음향파워 및 방향별 음압 스펙트럼의 주요 특성을 잠재변수로 압축·복원하도록 학습하고, 별도의 조건부 예측기는 입력조건에서 잠재변수를 추정하여 사용 단계에서 실측 없이 스펙트럼을 생성한다. 모든 모델에 초기 가중치가 다른 세 모델의 출력을 평균하는 시드 앙상블을 적용하였다. 최종 성능은 잠재공간의 표현 능력뿐 아니라 조건- 잠재변수 예측기의 구성과 학습 수준에도 좌우되므로, 복원과 조건부 잠재변수 예측을 구분하여 평가하고 예측기를 보완하였다. 설계조합 단위 교차검증에서 CAE 의 스펙트럼 복원 RMSE 는 1.17 dB(결정계수 0.994) 였다. 예측 RMSE(결정계수)는 직접 예측 모델인 Random Forest(RF) 2.21 dB(0.979), Multilayer Perceptron(MLP) 2.28 dB(0.978), Gaussian Process(GP) 2.13 dB(0.981)이었고, MLP·GP 평균 예측기를 연결한 선형 잠재공간(PCA) 모델은 2.28 dB(0.978)이었다. CAE 는 GP 예측기에서 2.15 dB(0.981), MLP· GP 평균 예측기에서 2.13 dB(0.981)로 예측기 보완과 시드 앙상블 전 2.45 dB(0.975)보다 향상되었다. 향후 잠재공간을 후속 제품의 전이학습, 데이터 증강 및 실험 수 축소에 활용한다.