[학회 후기]

2024년 11월 22일부터 23일까지 경주 화백컨벤션센터에서 열린 한국데이터마이닝학회 추계학술대회에 포스터 발표자로 참석하였다. 다양한 분야에서 활동 중인 반가운 얼굴들을 만날 수 있었고, 키노트를 포함한 30여 개의 발표와 130여 개의 포스터 등 다양한 주제의 연구를 들을 수 있었다. 적극적으로 질문하고 답하는 등 좋은 학회 분위기 덕분에 더욱 집중해서 학회에 참여하게 된 것 같다. 좋은 발표 습관과 아쉬운 점 등을 생각 해보면서 내가 발표 할 때는 좋은 점을 더 반영해봐야겠다는 생각을 하였다. 학회에서 들은 다양한 주제를 진행 중인 연구 및 프로젝트에 어떻게 적용 할 수 있을지 생각해볼 수 있는 즐거운 시간이었다.

---

[발표 후기]

포스터 세선 1에서 디스플레이 공정 오류 검출 후 의사결정 지원을 위한 EWC 기반 Continual Learning을 주제로 발표를 진행하였다. 삼성디스플레이와 진행 중인 프로젝트 중 일부를 발표하게 되었는데 처음 실무 담당자로서 수행 했었고 포스터를 만들고 보안 검사를 받는 등 새로운 절차를 경험해 볼 수 있었다. 해당 연구는 공정에서 문제가 생긴 후의 의사결정을 다루고 있다. 공정에서 문제가 생기게 되면 공정을 멈추고 점검을 해야 하는데, 우리가 사용하는 핸드폰과 컴퓨터 등을 보아도, 큰 문제가 아닌 경우 그냥 진행 시키기도 하고 간단하게 전원을 껐다 키는 것 만으로도 해결되는 경우가 많이 존재한다. 이렇듯 실제로 문제인지 판단하는 과정이 중요하다고 할 수 있다. 그래서 실제 문제인지 판단해주는 인공지능 모델을 LSTM, Transformer, Sequencer, PatchTST를 활용하여 성능이 우수한 잘 학습된 모델을 만들었다. 하지만 해당 모델을 실제 데이터에 적용하기 위해서 새로운 데이터가 들어 올 때 분포가 달라진다는 점을 생각해야 한다. 이러한 점을 고려하면서도 잘 학습된 모델을 최대한 활용하기 위해 Continual Learning 방법론인 EWC를 활용하여 단순 미세조정을 하였을 때 보다 우수한 성능을 보였다. 처음에 포스터 발표 형식이 어색했지만 몇 번 설명하다 보니 금방 익숙해져서 어떤 부분을 더 강조하면 좋을지 사람들이 궁금해 하는 부분이 어떤 부분일지 생각하면서 설명 할 수 있었던 것 같다. 짧은 시간에 최대한 한명한명 이해시키는 과정은 생각보다 즐거웠고 스티커를 받으면 성취감까지 느낄 수 있는 의미 있는 시간이었다.

질문 1. Continual Learning이라고 볼 수 있는 것인지?

>> Online learning 등을 이용한 경우는 아니지만 Continual Learning 논문들 중에 유사한 방식으로 실험한 경우도 있습니다. 실제 공정 환경을 고려했을 때 신규 데이터에 대한 수집 및 레이블이 진행되고 안정성을 확보한 이후에 적용하는 것이 맞다고 판단하여 이렇게 수행하였습니다.

질문 2. 유출률은 무엇인가요?

>> 유출률은 1-Recall 입니다. 실제 문제가 생긴 경우에 공정을 진행 시키면 큰 문제가 생기게 됩니다. 이러한 문제가 생기면 안되기 때문에 유출률 지표를 최대한 낮추는 방향으로 학습을 진행하고 있습니다.

---

[청취 후기]

B-3 Real-World Applications of AI - 2에서 진행된 깅영훈 교수님께서 "뇌병변 장애인의 재활운동 능력 평가 체계 개발"을 주제의 발표는 이번 5월 게재된 1저자로 진행한 연구 논문을 담고 있었다. 뇌병변 장애인의 경우 거동이 불편한 경우가 많아 체육 활동으로부터 소외되는 경우가 많다. 이를 해결하기 위해서는 재활 운동 전문가가 운동을 알려줘야 하는 상황인데, 인력에 한계가 존재한다. 이를 해결하고자 운동 코칭을 해주는 프로그램을 어플을 통해 제공하고자 한 연구이다. 먼저 운동 자세를 알려주는 등의 가이드 후에 운동을 진행하여 점수를 매기고 운동 능력을 평가 및 피드백을 제공하는 어플리케이션이다. 이를 위해 나는 skeleton과 각도를 이용하여 운동 능력을 평가하는 모델을 만들었었다. 이후에 어플에 잘 탑재 되었는지 궁금하였는데 이번 발표를 통해 의미 있는 연구를 잘 수행했다는 생각을 하였고 해당 연구를 다른 사람이 발표하는 걸 처음 들어서 감회가 새로웠다. 좌장을 맡았던 성수가 실제 적용을 하게 되면 데이터 수집의 한계로 인해 정확도가 떨어질 것 같다고 질문을 하였는데, 너무 다르게 측정하는 경우라면 어려울 수 있지만 어느정도 틀이 있는 운동이기 때문에 잘 되고 있지 않을까 라는 생각을 해보았다.

포스터 세선 2에서 진행된 광운대학교 정종민 학생의 CSI-based Human Action Recognition with shapelet approach 연구가 기억에 남는다. 해당 연구에서는 WIFI 데이터를 활용해 대조 학습 기반으로 채널 상태 정보를 반영한 HAR 모델을 제안한다. 평소에 HAR 분야를 연구하고 있는데 동영상 이미지의 경우 워낙 커서 센서 데이터와 후처리 된 데이터 등 다양한 방식을 사용하는 것으로 알고 있다. 그 중 WIFI를 통해 Anomaly detection을 하는 등의 연구를 본적이 있는데 WIFI 신호 자체가 방을 넘어가면 약해지기도 한다고 알고 있어서 실제로 가능한 것인가 의문이 들어 해당 데이터를 활용하는 것에 크게 관심을 갖지 않고 있었다. 하지만 해당 연구를 듣고 결과를 보니 생각보다 좋은 성능을 가지고 있었다. 어디에나 있는 무선이면서 큰 금액이 들지 않는다는 점이 인상 깊었다.

---