• 목록

2023 정보처리학회 Session review

1.A novel window strategy for concept drift detection in seasonal time series
발표자 : 이 도 운, 발표자 기관 : 아시아나 IDT

해당 발표는 시계열 데이터 내 발생하는 concept drift를 탐지하기 위해 window size를 설정하는 연구에 관한 발표이다.
본 발표는 drift, concept drift에 대한 개념 설명으로 시작했다. drift란 ‘고려하지 못한 변화로 인하여, 시간이 경과함에 따라 모델의 예측 성능이 감소하는 현상’ 이다. 그리고 ‘concept drift란 Input variable로 설명하고자 하는 Output variable의 의미, statistics 등이 training phase와 비교했을 때 변화하는 현상’ 이다.
본 발표에서 소개한 연구는 시계열 데이터의 계절성에 기반하여 concept drift를 detect 하고자 했다. 이를 위해 temperature data set과 sunspot data set을 활용했다. 이때 window size를 특정 기준의 정수 배로 설정하고 concept drift를 detect 했다.
해당 발표를 듣고 개인적으로 궁금한 점은 ‘산업 현장 내 시계열 데이터의 concept drift에 대한 예시도 있는지’ 였다. 세션장님께서 관련 질문을 해주셨는데 발표자님께서 산업 현장 내 데이터는 보안 기준이 높아 실제로 다뤄본 경험이 없다고 답변 해주셨는데 궁금증이 해소되지 않아 조금 아쉬웠다.


2.커뮤니티 탐지 및 병렬 프로그래밍 이용한 영화 추천 시스템
발표자 : 일 홈 존, 발표자 기관 : 순천향대학교

해당 발표는 대용량 dataset을 다룰 때 소모되는 연산속도를 단축시키기 위한 병렬 프로그래밍 기법과 추천 시스템에 기반하여 영화를 추천하는 시스템에 관한 발표이다. 발표에서 추천 시스템 알고리즘으로 1)Contents-based recommender system, 2)Collaborative filtering 內 User-based, 3)Hybrid recommender system을 소개했고, 병렬 프로그래밍 기법을 사용할 때의 장점으로 연산속도 단축과, 불필요한 overhead 감소 등을 설명해주었다.


3.데이터 균형을 위한 Chat-GPT와 확산 모델 기반 폐기물 생성모델 설계
발표자 : 김 시 웅, 발표자 기관 : 호서대학교

해당 발표는 GAN(Generative Adversarial Network)을 사용할 때, generator와 discriminator의 경쟁으로 발생하는 정보 손실로 인한 이미지 정확도 하락 문제를 방지하고자 diffusion model을 사용한 연구에 관한 발표이다. diffusion model은 이미지에 임의의 gaussian noise를 추가하고 이전 이미지의 정보를 추가하여 노이즈를 제거하는 방식으로 새로운 이미지 생성한다. 그리고 객체 인식 분야에서는 데이터 균형이 중요하다. 왜냐하면 만약 데이터가 균형적이지 않은 경우는 데이터가 bias를 가지고 학습을 하게 되어, 일반화 성능이 저하되기 때문이다. 본 발표에서는 undersampling과 oversampling 같은 대표적인 데이터 불균형 현상을 다루고자 chat-gpt를 사용한다. 또한 chat-gpt에 input된 question을 바탕으로 diffusion model을 설계한다. 나에게 아직은 생소한 분야라 듣는데 조금 어려웠지만 연구배경부터 결론까지 짜임새 있게 설명을 해주셔서 굉장히 흥미롭게 발표를 들을 수 있어서 좋았다.