UNIST 김성일·임동영 교수팀
신경망 구조 설계 방법론 개발
25일 UNIST에 따르면 산업공학과와 인공지능대학원 김성일, 임동영 교수팀은 ‘데이터 드리프트에 강건한 시계열 학습 기술’을 만들었다.
시계열 데이터는 시간 순서에 따라 일정 주기를 가지고 연속적으로 수집된 데이터를 말한다. 금융, 경제, 교통, 농업, 제조, 헬스케어 등 각종 산업에서 사용되는 수많은 데이터가 시계열 형태를 가지고 있다. 시계열 데이터는 데이터 발생에 영향을 주는 외부 요인들이 변함에 따라 ‘데이터 드리프트’라는 현상이 발생한다.
데이터 드리프트는 인공지능 모델이 훈련에 사용한 데이터와 실제 운영 환경의 데이터가 달라지는 것을 말한다.
김 교수는 “데이터 드리프트가 발생할 경우 시계열 학습 인공지능 모델의 성능이 저하된다”며 “각종 산업 등에서 시계열 데이터 활용을 어렵게 만드는 고질적 문제다”고 설명했다.
연구팀은 이런 문제를 효과적으로 대응할 수 있게 하는 Neural SDEs 기반의 강건한 신경망 구조 설계에 대한 방법론을 개발했다.
Neural SDEs는 잔차 신경망 모델 스킵 연결을 통해 잔차를 학습하도록 만들어진 인공신경망으로 일반적인 딥러닝 신경망 모델보다 예측 정확도가 높다.
임 교수는 “이 연구는 처음부터 드리프트에 강건하도록 인공지능을 훈련시킬 수 있도록 하는 방법론을 개발. 이의 성능을 이론적. 실험적으로 검증했다는 데에 의의가 있다”고 전했다.
박재권기자
박재권 기자
jaekwon@ksilbo.co.kr