[학회후기]

2019년 4월 11일 “사례를 통해 본 AI & BI” 주제로 열린 한국BI데이터마이닝학회에 참석하였다. 기업 위주의 세미나와는 다른 느낌을 받으며 광고보다는 서로 도움을 주고 받기 위한 자리였음을 느꼈다.

[청취후기]

- GASNET : Generation and Segmentation Networks for identifying Wafer Defect Patterns

반도체 생산 공정 중 불량은 생산수율에 큰 영향을 미침. 불량 원인을 찾기 위하여 발생의 정도와 빈도를 찾는 것이 중요하고 Deep Learning 모델을 활용하여 불량을 패턴화하는 것이 목적이다.

반도체 생산 공정상에는 불량 데이터가 적기 때문에 학습 데이터를 늘이는 방법이 필요하다.

Data point를 증가시켜 학습에 이용하는 기존 연구를 개선하여 Data Distribution을 이용하는 방법을 제안하고 기존 연구보다 높은 성능을 보였다. 불량 데이터가 적은 산업군에서도 학습성능을 높이는 방법으로 사용해볼 수 있겠다. 학습데이터가 적다고 불평&절망에 빠지지 말고 어떻게 할 수 있는지 가능성을 알려준 연구였다.

- 합성곱 순환 신경망을 활용한 태풍의 최대풍속 산출

태풍은 인명과 재산에 큰 피해를 입힐 수 있으므로 태풍의 강도를 실시간으로 예측하고 대비하는 것이 중요할 수 있다. 사람에 의존한 판단은 경험의 편차에 따라 잘못된 예측을 할 수 있으므로 인공지능 기술을 적용하여 일관된 성능을 내는 것이 도움이 되겠다. 태풍의 이미지로 예측을 하게 되므로 기존의 선행연구는 모두 CNN기반으로 성과를 보였는데 이 연구는 시간에 대한 변화량을 추가 변수로 하여 CNN + RNN 모델을 제안하였다. 위성 사진의 각도(태풍의 위치)에 따라 오차가 크게 나는 부분은 아쉬웠으나 학습 가능한 데이터를 좀 더 받으면 더 나은 예측을 할 수 있다는 가능성을 보여줬으며 이를 기반으로 추가적인 모델이 나올 수 있는 방향을 제시하였다. 이미지 기반의 데이터에도 시간 정보를 더함으로인하여 좀 더 나은 결과를 낼 수 있다는 것이 앞으로 연구할 때 더 넓은 차원으로 생각해봐야겠다는 insight를 얻게 하였다.​