[학회 후기]

2024년 10월 24일과 25일에 강남 과학기술컨벤션센터에서 열린 추계 대한산업공학회에 발표자로 참가하였다. 벌써 다섯 번째 국내 학회에 참가하였고, 발표자로는 세 번째로 참가하였는데 발표자로 참가한 것은 오랜만이라 감회가 새로웠다. 오랜만의 발표라 긴장감도 있었지만 발표 후, 청취자 한 분과 의미있는 질의 응답을 하여 내 연구에 대해 돌아볼 수 있는 좋은 시간이었던 것 같다. 또한, 50주년 기념 대한산업공학회라 더욱 뜻 깊었던 것 같고 다른 연구자들의 좋은 발표와 포스터 세션을 들으면서 좋은 경험을 할 수 있었다. 

[발표 후기] 

주제: 불확실성 기반의 샘플 의존적 노이즈 레이블 생성

데이터의 특성이 반영된 노이즈 레이블을 생성하기 위해 정량화된 불확실성을 사용하는 방법론에 대해 발표하였다. 랜덤 노이즈 레이블 보다 샘플 의존적 노이즈 레이블이 보다 현실 문제에 적합하기에 이것에 초점을 맞추었고 데이터 특성을 반영하기 위해 불확실성을 사용하였다. 노이즈 레이블 벤치마크 데이터셋이 적어, 여러 노이즈 레이블 러닝 알고리즘들은 기존 데이터셋에 랜덤 노이즈를 부여한 후 실험을 진행한다. 따라서, 본 발표의 제안 방법론으로 현실적인 노이즈 레이블 데이터셋을 구축할 수 있다면, 향후 노이즈 레이블 러닝 알고리즘 연구들에 큰 기여를 할 수 있을 것이라 기대한다. 이러한 전반적인 내용에 대해 발표를 진행하였고 발표 후에는 질의 응답 시간을 가지며 이번 연구를 돌아볼 수 있었다. 연구원 한 분이 연속으로 질문을 주셨는데, 그 만큼 내 발표를 잘 청취해주셔서 고마운 마음이 들었고, 당황하지 않고 질문에 잘 대답한 것 같아 이에 대한 뿌듯함도 있었다. 학회에서 오랜만에 발표하면서 내 연구도 돌아보고 좋은 피드백도 받을 수 있어 좋은 경험을 할 수 있었다.

질문 1: 기존 방법론은 모델 예측값에 대해 신뢰도가 높은 경우를 노이즈 레이블로 대체하였는데, 제안 방법론은 반대 방향으로 접근한 것 같습니다. 그런 이유가 있을까요?

답변 1: 저는 데이터가 어느 레이블이 해당할지 애매한 정도의 지표를 정량화된 불확실성을 세웠고, 불확실성이 높을수록 애매한 정도가 높아 노이즈 레이블일 가능성이 크다고 판단하였습니다. 이에 따라, 해당 방식으로 접근하였습니다.

질문 2: 해당 연구가 기존 노이즈 레이블 러닝 알고리즘 연구 대비 꼭 필요한 연구인가요?

답변 2: 많은 노이즈 레이블 러닝 알고리즘들은 기존 데이터셋에 랜덤한 노이즈를 부여해서 노이즈 레이블 데이터셋을 만든 후에 실험을 진행합니다. 그렇지 않은 경우도 있지만, 벤치마크 노이즈 레이블 데이터셋은 많이 존재하지 않습니다. 따라서, 제안 방법론으로 현실적인 샘플 의존적 노이즈 레이블 데이터셋을 만든다면, 향후 노이즈 레이블 러닝 연구 분야에도 많은 도움을 줄 수 있을 것이라 생각합니다.

[청취 후기]

1. 시계열 이상 특성을 고려한 대조 학습 기반 다변량 시계열 이상치 탐지 - 유건혁, 백준걸(고려대학교 산업경영공학과)

본 연구는 다변량 시계열 이상치 탐지에 대조 학습을 결합하였다. 미래 구간을 anchor, 과거 구간을 통해 예측한 미래 구간을 positive pair, 미래 구간을 증강한 것을 negative pair로 정의하여 대조 학습을 수행하였다. 이 때, 시계열 이상 특징을 반영하기 위해 negative pair 증강으로 soft replacement, uniform replacement, peak noise 등의 방법을 사용하였다. 이러한 방식으로 대조 학습을 수행하여 이상치 탐지 모델을 학습한 후, test 셋에 대해 이상치 탐지를 수행하게 된다. 실험 결과를 보면서 몇 가지 의문이 들었던 것은, 메인 결과에서 백본으로 LOF 모델을 사용한 것과 결과 장표에 비교 방법론으로 기재한 Anomaly Transformer에 대한 결과였다. Anomaly Transformer 논문에서도 사용한 벤치마크 데이터셋을 본 연구에서도 사용하였는데, 결과가 재현이 너무 안된 듯 했다. 논문을 쓰게 되면, 이러한 문제로 태클이 들어올 수도 있을텐데 이 부분도 잘 해결해야 할 것 같다.

2. LSTM 모델 기반 한국 도로 교통 부문 탄소 배출 예측 - QIAN YUHUI (부경대학교 데이터공학과), 김영진(부경대학교 시스템경영안전공학부) (포스터 발표)

본 연구는 증가하는 탄소 배출량이 기후 변화와 대기 오염을 더욱 악화시키는 상황을 문제로 삼고, 시계열 예측 모델을 통해 탄소 배출량을 예측한다. 뿐만 아니라, 세 가지 미래 시나리오를 정의하여 예측을 진행한 후, 각 시나리오에 대해 인사이트를 제공한다. 딥러닝 모델로는 LSTM만 사용한 것이 조금 아쉬웠지만, 기준 시나리오, 저탄소 시나리오, 고탄소 시나리오 이렇게 세 가지 시나리오를 정의한 것은 매우 흥미로웠다. 보다 고도화된 모델을 사용한다면, 더 좋은 인사이트를 제공해 줄 수 있을 것이라 생각하고 실제 산업 현장에서 매우 유의미한 연구라고 생각한다.