[학회 후기]
2022년 11월 4일, 대한산업공학회 추계학술대회에 참가하게 되었습니다. 포스터 발표가 아닌 구두발표를 하게 되었다는 데에서, 유의미한 경험을 할 수 있는 좋은 기회를 얻었다는 생각에 조금 들떴던 것 같습니다. 처음 참가했던 학회는 생각과는 달리 연구 분야 및 주제에 따라서 여러가지 세션으로 나뉘어 진행되었고, 자유롭게 관심있는 주제의 발표를 듣고 질의응답을 할 수 있는 구조로 구성되었습니다. 특히 산업공학 내에서 인공지능과 관련한 연구가 최근에 많이 진행되고 있기에, 딥러닝/머신러닝을 활용한 다양한 연구들을 파악할 수 있어 굉장히 고무적이었습니다. 열의를 가지고 서로의 발표를 경청하거나 피드백이 오고가는 현장에 직접 가 있으니, 개인 연구에 좀 더 불을 지피고자 하는 열의가 샘솟게 되는 계기가 되어주었던 것 같습니다.

[발표 후기]
저는 다중 소스 비지도 도메인 적응(Multi Source Unsupervised Domain Adaptation) 방법론을 활용한 강건한 PPG 기반 심박수 예측 문제를 풀고 있습니다. PPG와 같은 생체 데이터는 그 특성상 사람마다 차이가 크기에, 새로운 피험자 데이터에 대해서는 강건한 예측 성능을 보장할 수 없다는 고질적 한계를 가지고 있습니다. 따라서 예측 Task에 대한 성능은 높이는 한편, 피험자 간 차이에도 불변하는 Representation을 통해 새로운 피험자에 대해서도 강건한 예측 성능을 낼 수 있는 방법론을 제안하였습니다. 오전 9시 첫 세션의 첫 발표자였기 때문에 긴장이 많이 되었지만, 동기 고은이와 같은 세션에서 발표를 진행하였기 때문에 무언의 응원을 받아 성공적으로 발표를 마무리할 수 있었습니다. 더불어 좌장 및 청중으로부터 실험 세팅과 관련한 질문을 많이 받았는데, 이는 다음과 같습니다.

질문 1. 평가 지표로서 MAE를 선정한 이유는 무엇인가?
답변 1. MAE는 Regression 성능을 평가함에 있어 대표적으로 사용되는 척도 중 하나이며, 특히 심박수 예측 성능을 평가하는 Task에서 관습적으로 활용되고 있기에 대표값으로서 적어놓은 것입니다. 실험 시에는 스피어만 상관계수, MAE, MAPE, RMSE 등 다양한 평가지표를 활용하여 성능을 평가하고, 학습 시에는 MSE loss를 이용하여 모델을 업데이트 하고 있습니다.
 
질문 2. PPG 수집 조건이 모든 피험자 별로 동일해야 좋은 효과를 얻을 것 같은데, 그러한 부분은 고려하였는가?
답변 2. 사용하고 있는 벤치마크 데이터셋은 PPG-DaLiA로서, 15명의 모든 피험자에 대해서 동일한 시간 간격으로 '앉기'-'계단 오르고 내리기'-'걷기' 등의 신체 활동을 수행하는 조건 하에서 수집된 것입니다. 즉, 다양한 신체활동을 모든 피험자가 동일 시간 동안 수행하며 수집된 것이기에, 말씀 주신 부분을 반영하여 실험을 진행하였다고 생각합니다.

질문 3. 비교 방법론에서도 Domain Loss를 구할 수 있는 것 아닌가?
답변 3. 학습 시 Domain Loss를 구하기는 하지만, 말씀 주신 것처럼 정리하여 확인하지는 못하였습니다. 좋은 피드백 감사드리며, 향후 연구를 진행하며 해당 사항 고려하여 성능을 확인하도록 하겠습니다.

[청취 후기]
1. 사람 자세 추정 기반 데이터의 클래스 불균형 문제 해결을 위한 데이터 증강 기법, (방성진, 이민구, 박규동, 이상민 - 광운대학교 인공지능융합학과)
사람의 자세를 추정함에 있어, 클래스가 매우 불균형하다는 문제점을 짚고, 이를 해결하여 운동 능력 특정 신뢰도를 향상시키고자 하는 연구였습니다. 본 발표는 STO-CVAE라는 방법론을 제안하였으며, 보다 구체적으로는 Conditional Variational AutoEncoder(CVAE)을 기반으로 하여, 각 Frame들이 모델의 입력 값으로 들어갈 때 State Transition이 반영된 샘플을 복원하기 위해 손실 함수에 Reconstruntion Error의 수식을 변형 및 추가한 유의미한 연구였습니다. 다만 비교 방법론과의 성능을 비교할 때, Class 불균형 상황을 반영하지 않았을 때의 성능을 추가적으로 확인하였으면 더 효과적인 발표가 되지 않았을까 생각하였습니다.

2. 다변량 데이터의 상호관계성을 반영한 설명 가능한 이상 탐지, (백민재, 김성범 - 고려대학교 산업경영공학과)
반도체 설비가 다변량의 시계열 데이터로 수집되는 상황을 고려하고 공정의 화학적 특성상 여러 변수 간에 상호관계가 있다는 점을 감안하여, 다변량 데이터를 특징 행렬로 구성하여 효과적으로 이상을 탐지할 수 있는 방법론을 제안한 연구였습니다. 더불어 Shap을 적용하여 사후에 이상의 원인까지 해석할 수 있는 기틀을 마련하여서, 반도체 수율을 극대화하고 설비 조치를 실시함에 있어 효과적인 의사결정이 가능하도록 기여한 매우 유의미한 연구라고 생각하였습니다. 백민재 연구원님이 현업에서 일하시는 만큼 탄탄한 도메인 지식을 활용하여 연구를 진행하고 계시다는 느낌을 받을 수 있었고, 발표가 끝난 뒤 이어진 여러 질문에도 자신 있게 대답해주시는 모습에서 실험 세팅 및 방법론 고안에 있어서 많은 고민을 하셨음을 느낄 수 있었습니다. 개인 연구를 가속하게 해준 좋은 자극이 되어준 발표였습니다.