2019 IEEE-6^th International
Conference on Industrial Engineering and Applications (ICIEA)

[학회 후기]

일본 도쿄의 와세다 대학에서 개최된 International Conference on Industrial Engineering and Applications (ICIEA)에 참가했다. 와세다 캠퍼스의 전경이 아름다웠을 뿐만 아니라 건물내의 시설 등이 너무나 깨끗하고 쾌적했다. 도쿄의 신주쿠, 긴자에서 학회 이후의 시간에는 교수님과 동기, 후배들과 좋은 시간을 보낼 수 있었다. 또한, 이번이 나에겐 첫 국제학회 참가이자 발표였기때문에 준비과정부터 학회가 끝나기까지 모든 순간들이 배움의 기회였다. 또한 앞으로도 연구과 영어에 몰두할 수 있는 자극제가 될 것 같다. 머신러닝 알고리즘 연구에 흥미가 많은 나이기에 application연구들이 주로 발표되어 아쉬움은 남았다. Taiwan사람들의 발표가 많은 비중을 차지했으며 또한 내가 청취한 발표들 가운데에서 National Taiwan University of Science and Technology 학교출신 발표자들이 좋은 내용을 발표한 경우가 많았다. 같이 학회를 참가한 윤상 오빠, 유연, 지윤이에게 정말 끈끈한 동지애를 느낄 수 있었다. 항상 모두가 각자의 위치에서 빛나길 응원한다고 글을 빌려 쑥스럽지만 말하고 싶다. 또한, 그들 뿐만 아니라 학회 발표 준비에 물심양면 도와준 연구실 연구원들 모두에게 정말 진심으로 고맙다고 마음을 표하고 싶다. ​마지막으로 연구뿐 아니라 발표준비까지도 하나하나 봐주시며 여러 방면으로 지도해주신 교수님께 정말 감사하다. 또한 교수님의 학회에서 적극적 질문하시는 모습, 부지런하신 모습, 그 뿐만 아니라 그리고 인간적인 부분들까지 가까이에서 많은 것을 배울 수 있었다. 앞으로 나에게 국제학회의 기회가 온다면 이번이 처음이여서 아쉬웠던 부분을 발전시켜서 보완하고 싶다.

[발표 후기 : Sensor Selection Embedded in Convolutional Neural Networks for Human Activity Recognition]​

Convolutional neural networks내에서 redundant한 센서를 regularize함으로써 성능을 높이는 알고리즘을 human activity recognition 도메인에 적용한 연구를 발표하였다. Human activity recognition은 다채널 센서 데이터에서 사람의 행동을 자동 분류, 인지하는 문제이다. 최근 딥러닝 모델 그 중  CNNs모델이 사용되어 높은 성능을 내고 있으며, 최근 기술 발전에 따라 많은 센서가 부착되어 다량의 데이터가 수집될 수 있는 상황이다. 하지만 오히려 redundant한 센서 데이터는 human activity recognition의 성능을 오히려 감소시킨다. 따라서 본 연구에서는 Xception이라는 CNNs architecture에 사용된 Depthwise separable convolution filter로 다채널 센서 데이터내에 시간적 특징과 센서간의 특징 학습을 분리하였고, 센서의 특징을 학습하는 Pointwise filter 내의 weight를 센서별과 그룹을 지었다.해당 그룹, 해당 센서 별 weights의 벡터에 group lasso를 적용하여 redundant한 센서의 영향을 줄일 수 있었으며 이를 UCI benchmark 데이터로 검증하였다. 기존 CNNs 모델보다 우수한 성능을 보였을 뿐만 아니라 하이퍼 파라미터 조절에 따라 센서 선택의 갯수가 강건하게 조정되는 것도 확인하였다. 이번 발표준비로 어떻게 발표 장표를 구성하는 것이 짧은 시간에 효과적으로 연구내용을 전달 할 수 있는지 알 수 있었다. 또한 연구 내용을 International하게 표현하는 방식도 연습할 수 있었다. 앞으로도 더 많은 국제학회 기회를 얻을 수 있도록 좋은 연구를 진행하고 싶다.

[청취 후기]​​

<Genetic Algorithm Based Parameters Tuning for the Hybrid Intelligent Controller Design for the Manipulation of Mobile Robot, Ting-Yu Chang, Chia-Diar Chang>

Meta heuristic 방법 가운데 Genetic Algorithm을 사용하여 진행된 발표들이 많았다. 그 중 하나가 지금 소개하는 연구였다. 해당 연구는 사실 처음 들어보는 방법론이었으나 찾아보니 연구가 활발한 분야였다. 전통적으로 PID : proportional integral derivative controller는 간단하기 때문에 많이 사용되었다. 하지만 PID controller는 성능적인 면에서 분명한 한계가 있었고 PID Fuzzy Controller로 발전되었다. 하지만 이 파라미터 튜닝에는 상당한 computation cost가 필요하였고 따라서 GA를 활용하여 이 단점을 극복한 사례이다.

<Deep Learning-Based Approach for Air Quality Forecasting by Using Recurrent Neural Network with Gaussian Process in Taiwan, R.J. Kuo, Brahman Prasetyo, B.S. Wibowo>

타이완 인구 증가로 인해 공기 오염이 심각해지고 있고 이를 예측하여 대응하는 문제 상황에 RNN과 GP알고리즘을 활용하여 해결하였다. 적용 상황과 알고리즘에 흥미가 가서 발표를 들었지만 알고리즘이 어떻게 적용되고 왜 해당 알고리즘이 적용되었는지 명확한 설명이 전달되지 않아 아쉬웠다. RNN의 결과와 RNN과 GP를 동시에 활용한 결과에 대한 비교를 수행했는대 RNN의 어떠한 점을 보안하기위해 GP를 사용했다는 등의 내용이 추가되었으면 더 좋았을 것 같다.