[학회 후기]

2023년 6월 1일~2일 제주도에서 진행된 대한산업공학회 및 한국경영과학회 공동 학술 대회에 발표자로 참가하게 되었다. 대한산업공학회와 한국경영과학회가 공동으로 개최되어 학회의 규모가 상당하였는데, 학회장에 들어가는 순간 그동안의 발표와는 다르게 훨씬 웅장하게 느껴졌고 감회가 새로웠다. 발표 단상에 올라갔을 때, 이전 학회보다 몇 배의 인원들이 발표를 들으러 와있어서 당황스러움과 함께 그래도 내 발표를 들으러 이 만큼이나 왔구나 하는 생각에 신기하기도 했다. 나는 이전 학회 때 발표했던 내용을 더 고도화 시켜서 발표했는데 발표에 집중하다 보니 나도 모르게 시간이 순식간에 흘러간 것 같다.  질문과 그에 대한 답변, 그리고 피드백이 오가면서 한 번 더 내 연구를 돌아볼 수 있는 뜻 깊은 자리였다. 첫 날 오전에 내 발표를 마무리하고, 남은 시간 동안에는 다른 참가자들의 발표를 경청하며 연구적인 안목도 넓힐 수 있었고 학부 때의 인연들도 학회장에서 오랜만에 잠시 만나 좋은 추억을 만들 수 있었던 학회였다.


[발표 후기]

이번 학회에서는 "시계열 이상치 탐지에서의 불확실성 기반 동적 임계치 설정"이라는 주제로 발표를 진행했다. 이전 학회에서는 모델 불확실성 기반 이였지만 불확실성에 대한 방법론을 더 고도화했다. 발표 내용을 요약하자면, 시계열 이상치 탐지에서는 이상치 스코어에 대한 임계치를 주로 고정된 값을 사용한다. 그러나 고정된 임계치를 사용했을 때, 큰 false alarm rate 및 낮은 anomaly detection rate을 야기할 수 있다. 나는 이상 시점에서의 불확실성이 정상 시점보다 크다는 전제 하에 불확실성을 기반으로한 동적 임계치 방법론을 제안했다. 불확실성은 데이터 불확실성과 모델 불확실성을 각각 정량화하여 가중합을 통해 전체 불확실성을 정량화했다. 그 후 불확실성에 대한 함수를 통해 정상 시점에서는 임계치가 보다 커지고 이상 시점에서는 보다 작아지게 설정했다. 데이터셋은 우선적으로 이상치 탐지에 적합한 시뮬레이션 데이터셋을 여러 가지 시나리오 상황마다 생성하여 사용했다. 불확실성 분포 시각화를 통해 연구 전제가 들어맞음을 확인했고 여러 가지 시나리오와 다양한 background noise 상황에서 제안 방법론이 고정된 임계치를 사용했을 때보다 우수하다는 것, 즉 나의 연구 가설을 실험 결과를 통해 입증했다. 향후에는 추가적인 시나리오에 대한 실험을 완료하고 벤치마크 데이터셋에 대해서도 제안 방법론의 성능을 입증하고자 한다. 


질문 1) 불확실성에 대해 정량화한 수식에 대한 근거가 있나요?

답변 1) 이상치 탐지에서 불확실성을 정량화한 논문을 참고하여 정량화를 했습니다. 참고 논문을 토대로 데이터 불확실성과 모델 불확실성을 정량화 후, 각 불확실성의 스케일 조정 및 가중합하는 부분을 추가하여 전체 불확실성을 정량화 했습니다.


질문 2) 시뮬레이션 데이터셋에서 이상치에 대한 정의는 어떻게 되나요?

답변 2) 다양한 종류의 이상치가 연구되고 있지만, 현재 저는 특정 시점에서의 신호 크기가 커지는 이상치에 대한 시나리오를 구상하여 연구를 진행하고 있습니다.


피드백 1) 다변량 시계열 데이터셋에서 채널 별 correlation도 반영할 수 있는 방법을 고안하면 더 의미 있는 연구가 될 것 같습니다.


[청취 후기]

 1. 강건한 이상 탐지 및 해석을 위한 어텐션의 해석 능력 평가(강민정, 이상민 - 광운대학교 인공지능 응용학과)

 어텐션은 텍스트, 비젼 등의 다양한 분야에서 활발하게 활용되고 있고 어텐션 스코어를 기반으로 딥러닝의 해석력을 제공해주고 있다. 본 연구에서는 각 모델마다 같은 시점의 데이터에 대한 어텐션 스코어에 편차가 존재한다는 점을 착안하여 진행되었다. 어텐션 스코어에 대한 해석이 유의미하지 않다는 기존 연구를 반박하며 특정 의사 결정 과정에 대해서는 설명력이 있음을 본 연구에서 주장하고 있다. 실험적으로, F1 score가 90% 이상의 수렴된 10개의 모델을 개별 저장하여 다변량 시계열 데이터에 대한 이상 탐지 및 원인 변수를 해석했다. 모델을 구축한 후, top-k개의 주요 변수 추출을 통해 매번 달라지는 어텐션 스코어를 보다 강건하게 해석할 수 있음을 확인했다. 개인적으로 강건하다고 하기 위해서는 고정된 모델(본 연구에서는 DA-RNN)외에 다른 모델도 활용되어야 한다고 생각했는데 후속 연구에 그 내용이 담겨있어 이해가 갔다. 평소에 어텐션 스코어를 활용할 때, 발표자처럼 깊게 생각해본 적은 없었는데, 모델마다 매번 해석이 달라질 수도 있고, 이를 위해 해석을 강건하기 위한 방법도 있다는 것을 이번 발표를 통해 깨닫게 되었다.