-발표자 후기-

[발표 주제: Hybrid convolutional Autoencoder for Feature Extraction]

1.발표준비과정

인공신경망 모델은 디자인

지도학습과 비지도 학습은 별개의 개념이지만 이 두 개의 학습을 하나의 모델에서 수행할 수 있도록 결합하면 다양한 이득을 얻을 수 있다. 때문에 이를 수행할 수 있는 다양한 방법이 모델의 설계가 비교적 자유로운 딥러닝에 대해 적용이 되어 왔다. 본 연구에서는 인접 변수 사이에 상관관계가 큰 상황을 반영하여 모델링 할 수 있는 convolutional layer를 이용한 모델에 지도학습과 비지도 학습을 동시에 수행하는 학습 방법을 적용하여 변수추출 모델을 제안하였다. 이번 연구에서는 제안하는 모델이 순수하게 지도학습을 이용한 경우 보다 더 좋은 분류 성능을 나타내며 특히 데이터의 샘플의 수가 더 적을 때 그 효과가 두드러진다는 점을 확인하였다.

2. 질문 및 대답

질문 1: 지도학습과 비지도 학습의 두 목적식에 가중치를 사용했는가?

대답 1: 사용하지 않았다. 만약에 둘 중 하나에 좀더 가중치를 주길 원한다면 가능하다.

3.발표 시 아쉬웠던 점과 개선방향

질문의 핵심을 파악하고 예, 아니오로 대답할 수 있어야 하겠다. 좀더 많은 정보를 전달하려는 욕심이 오히려 질문자를 헷갈리게 할 수 도 있다. 그리고 앞서 언급하지 않았지만 한참을 얘기한 질문이 있었는데, 지금까지도 질문의 의도가 무엇인지 정확히 이해가 가지 않아 그 당시 엉뚱한 답만 했던것 같다. 그런 상황에서는 좀더 여유를 가지고 오히려 질문자에게 묻고자 하는 바를 정확히 얘기해달라고 해도 좋았을 것 같다.

-청취자 후기-

Challenges in assistive intelligent robotics

키노트 세션 중 하나인 일본의 Hosei university Genci Capi 교수의 발표에서는 본인의 연구실에서 수행하고 있는 약자를 도와줄 수 있는 로봇에 대한 연구를 발표했다. 첫번째로는 사람이 의식을 잃고 쓰러진 경우 이것이 자는것인지 위중한 상태인것인지 판단할 수 있는 로봇에 대해 발표했다. 여러가지 센서가 부착된 로봇으로 부터 나온 데이터로 기계학습 방법을 이용하여 상태에 대한 정보를 로봇의 컨트롤러에게 전달해 주는 시스템이다. 두번째로는 시각장애인을 위핸 안내 로봇이었다. 사람의 시각을 대신하여 장애물을 피하고 목적지에 잘 도착할 수 있는 로봇의 지능을 간단한 인공신경망으로 학습시켰다. 이 밖에도 로봇의 편대 운용을 가능케 하는 방법, 뇌파로 컨트롤 할 수 있는 로봇 등에 기계학습 방법론을 적용하여 활발히 연구하고 있다는 것을 알 수 있었다. 항상 인공지능, 로봇의 상업적 이용만을 생각했었는데 새로운 관점에서 바라본 응용분야 였다.

Korean Morphological Analysis for Korean-Vietnamese Statistical Machine Translation

울산대에서 공부하고 있는 베트남 국적의 발표자는 '배에 타서 배를 먹었더니 배가 아팠다'라는 재밌는 예제로 발표를 한 기억이 깊게 남아있다. 여기서 '배'는 모두 동음이의어로 다른 뜻을 나타낸다. 다른 언어도 동음이의어가 많긴 하지만 우리나라에서는 그 비율이 높아 번역, 요약 등의 다양한 텍스트마이닝 태스크를 어렵게 만든다. 이를 해결하기 위해서는 앞서 언급한 '배'들의 차이를 문맥을 통해 파악할 수 있어야 한다. 그 방법 중 하나가 형태소 분석이다. 발표자는 한국어-베트남어 번역을 효과적으로 하기 위해서 사전 기반의 형태소 분석기를 제안하였다. 형태소 분석을 전처리 스텝으로 사용하여 기존 번역 알고리즘의 성능을 기존의 구글, 네이버 보다 크게 높였다.​