• 목록

<학회 후기>
다중 해상도 앙상블 및 예측 코딩을 활용한 순환 오토인코더 기반의 다변량 시계열 이상치 탐지
6/2(금) F sessions (10:50 ~12:20) (4차 산업혁명/산업인공지능 (13) 세션)

시계열 데이터의 다양한 특징을 추출하여 다변량 시계열 데이터 이상치 탐지에 효과적인 RAE-MEPC 방법론을 제안한다. 로컬 정보뿐만 아니라 글로벌한 부분도 인코딩 가능하게 하기 위하여 앙상블을 활용하였다. 특히 인코더마다 t의 길이를 다르게 설정했기 때문에 로컬, 글로벌 정보 인코딩이 가능하다. 인코더 부분에서는 다른 인코딩 길이를 가지는 세 개의 서브 인코더를 활용해서 하나의 시계열 데이터로부터 광역 정보부터 지역정보까지 다양한 해상도의 피처를 복원한다. 또한, 해당 정보를 기반으로 다중 해상도 디코딩을 통해서 정상 패턴을 학습하게 된다. 다중해상도 복원은 서브 디코더의 디코딩 길이의 역순으로 진행되며 다중 해상도 앙상블 디코딩은 다중 해상도 정보를 활용한 coarse-to-fine fusion (저해상도 소브 디코더의 정보를 고해상도 기코딩에 융합) 기법을 통해서 모델의 복원 성능을 향상시킨다. 첫 번째 서브 디코더의 디코딩 결과를 역순으로 정렬하여 최종적인 복원값을 도출하게 되며, 시계열 데이터에 대한 다양한 정보 추출을 위해 인코더의 다중해상도 feature를 기반으로 미래 시계열 데이터를 예측하는 예측 코딩이 진행된다. 해당 모델을 기반으로 분포를 기반으로 이상치를 탐지하게 된다. 정상 데이터의 잔차 분포를 추정하여 테스트 데이터의 이상치 점수 값이 특정 임계치 값보다 크면 이상치로 탐지하게 되며 보다 풍부한 특징들을 추출했기 때문에 다른 모델 대비 좋은 성능을 가짐을 확인하였다.

<발표 후기>
이번 춘계 산업공학회에서는 강건한 이상 탐지 및 해석을 위한 어텐션의 해석 능력 평가라는 주제로 발표를 진행했다. 본 연구에서는 attention score의 inconsistency한 문제를 해결하기 위해 top-k개의 변수 비교 및 attention flow로 보다 강건하게 해석할 수 있는 기법을 제안하였다. 벌써 세번째 산업공학회 발표였는데 말하고자 했던 내용들을 이전보다 차분하게 잘 전달하고 긴장감도 덜 했던 것 같다. 오전 9시 첫 발표라서 질문이 많지는 않았지만 내가 하고 있는 연구에 관심을 갖던 다른 연구원분을 통해서 현재의 한계점을 극복하고 보다 의미 있는 연구가 될수록 확장해야겠다는 의지를 다지는 계기가 되었다.