[청취자 후기]

N3009: Mobile Based Palmprint Recognition System

전통적인 개인 인증 수단인 암호나 마그네틱 카드 등은 쉽게 잊어버리거나 잃어버릴 수 있기 때문에 좋은 보안 매체가 되지 못한다. 이를 보완하기 위해 지문 인식이나 홍채 인식등의 biometric authentication 기술이 발전되고 있다. 하지만 지문의 경우 질병 또는 사고에 의해 변형될 가능성이 높으며, 홍채 인식 기술의 경우 보편적으로 사용되기에는 너무 많은 비용이 요구된다. 이에 대한 대안으로 제안된 biometric authentication 기술이 장문 인식(palmprint recognition)이다. 이 연구에서는 image regonition을 이용하여 핸드폰 카메라로 손바닥을 찍는 것 만으로 본인 인증을 시행할 수 있는 보안 시스템을 제안하였다. 자세한 알고리즘에 대한 설명 보다는 제안 방법이 왜 중요한지, 이전에는 어떤 흐름이 있었는지에 대한 설명을 자세하게 진행하였다. 한 가지 아쉬운 점은 실험에 사용했던 손바닥 사진의 해상도가 매우 낮았다는 점인데, 4년 전 데이터라고 했다. 좀 더 최근의 결과를 보여줬으면 좋았을 것이라고 생각한다.

EA008: A Responsive Framework for Optimal Advertsing Policy in the Digital Music Market

이 연구에서는 음원 시장에서 음원 회사가 pre-release 단계에서 광고를 통해 최대의 이익을 낼 수 있는 새로운 프레임워크를 제안하였다. 잠재적 고객과 고객들의 행동을 interactive Markov Chain을 이용하여 모델링하였다. Graphical representation을 통해 interactive Markov Chain이 어떤 식으로 구성되어 있는지 제시하여 이해를 도운 점은 좋았다. 다른 분야에서도 interactive Markov Chain에 관련하여 간단한 설명을 읽은 기억이 있는데, 어떤 모델이라는 것을 쉽게 알 수 있었다. 발표에서 아쉬웠던 점은 발표 시간에 대한 개념이 부족해 보였다는 것이다. 해당 세션에서 발표하는 사람이 상대적으로 많음에도 불구하고 너무 많은 시간을 혼자 사용한 것은 문제가 있다고 생각한다. 게다가 해당 세션에 시간이 많았다고 하더라도 각 슬라이드에서 너무 많은 설명을 하는 식의 발표에는 집중하기 어려웠다.

[발표자 후기]

발표 주제: Forecasting Construction Equipment Demand using Regularized Regression Models

1. 발표준비과정

기계장비의 수요예측은 상당히 중요한 문제이며, 따라서 많은 연구들이 진행되어 왔다. 하지만 상대적으로 건설장비의 수요예측에 관련된 연구는 상대적으로 적으며, 많은 관심을 받지 못하고 있다. 본 연구에서는 건설장비의 가동정보와 건설시장에 영향을 줄 수 있을 것으로 생각되는 경제통계량 등을 사용하여 건설장비의 수요를 예측하는 다변량 예측모델을 제시하였다. 모델에 포함되는 예측변수가 많기 때문에 예측 성능과 변수 선택을 동시에 시행할 수 있는 regularized regression 모델들 (Lasso, L1 SVR)을 사용하였다. 지역이나 장비 타입에 따라 가장 좋은 예측 성능을 나타내는 예측모델이 서로 달랐으며, 이는 사용한 예측변수들과 반응변수인 건설장비 판매량의 관계가 다름을 의미하는 것으로 설명하였다.
주어진 발표 시간이 많지 않았기 때문에 불필요한 것으로 생각되는 내용들을 최대한 줄이고, 발표의 흐름이 끊어지지 않게 슬라이드를 구성하려고 노력했다. 지난 산업공학회에서 발표했을 때 부족하다고 생각했던 부분들을 보완하려고 노력했다. 특히, 발표를 익숙하지 않은 영어로 진행해야했던 만큼 더 많은 노력을 기울였다. 학회 일주일 전 연구실 세미나 형식으로 리허설을 진행했던 것이 많은 도움이 되었다.

2. 질문 및 대답

Q1. Lasso를 이용했을 때 중요 변수가 몇 개 정도 선택되었는가? 

A1. 전체 300개 정도의 예측 변수 중 약 20개 정도가 선택되었다.

Q2. Support vector regression을 사용했을 때는 중요 변수가 몇 개 정도 선택되었는가?

A2. Nonlinear kernel을 사용한 경우에는 선택된 변수의 의미를 파악하기 어려워서 몇 개의 변수가 선택되었는지 확인하지는 않았다. 하지만 Lasso에서 선택된 변수보다는 많았을 것이라고 생각한다.

3. 개선방향
이번 발표에서 많은 질문을 받지는 않았지만, 질문자의 말을 알아듣고 정확하게 알고있는 내용인데도 적절한 대답을 하는 것이 쉽지 않았다. 잘 모르는 내용에 대한 질문을 받았다면 대답하기 정말 어려웠을 것 같다. 다음 학회 발표를 준비할 때는 예상 질문에 대한 준비 역시 철저하게 해야겠다. 추가로, 레이저 포인터를 적절하게 활용하는 연습 역시 필요한 것 같다. 설명해야하는 내용에만 집중을 하다보니 내가 어느 부분을 설명하고 있는지 상대에게 전달해야한다는 생각을 발표 중에는 잘 하지 못하고 있는 것 같은데, 충분히 연습하여 더 자연스럽게 발표를 진행할 필요가 있다.