[학회후기]

2021년 6월 2일~4일 3일간 대한산업공학회 춘계공동학술대회가 온라인과 오프라인을 병행하면서 진행되었다. 포스트 COVID-19 시대의 인공지능과 IE/MS라는 주제로 개최된 이번 학회는 19개의 특별세션, 4개의 튜토리얼, 일반논문 및 포스터 발표 논문이 역대 최대로 400여편 발표되었다. 2019년 1월 초에 연구실인턴으로 들어와서 ICCV라는 학회를 처음으로 시작해서 이번 대한산업공학회까지 여러 학회를 다녔지만 발표자로 참석한 것은 이번이 처음이였다. 현재까지 진행한 연구를 학회 참석자들에게 공유할 수 있는 좋은 기회였고 학회를 다니면서 현재 연구에 도움이 되거나 최신 알고리즘들을 적용한 다양한 연구를 청취할 수 있었다. 학회장을 돌아보면서 정말 많은 연구자들이 자신의 연구를 위해 열심히 노력한 흔적을 찾아볼 수 있었으며 나 자신을 되돌아 볼 수 있는 좋은 계기가 되었다.

[발표 후기]

이번 발표를 통해 해무 발생 조기 예측의 기여점과 예측 결과를 공유하면서 제안 방법론의 해무 조기예측이 기존 머신러닝 방법론보다 예측 성능이 우수함을 입증하였다. 기존 방법론에서는 시계열 데이터의 특성을 반영하는데 어려움이 따르지만 제안 방법론은 시계열 데이터 분석에 적합한 순환신경망 알고리즘을 사용하여 예측력을 높였으며 또한 어텐션 메커니즘을 추가하여 어떤 시점이 해무예측에 영향을 주었는지도 알 수 있다.

시계열 데이터 분석을 위한 순환신경망 알고리즘으로는 가장 기본적인 RNN부터 Sequence to Sequence 그리고 Transformer와 BERT까지 현재 다양한 알고리즘이 존재한다. 현재 연구 결과에서 안주하지 않고 다양한 순환신경망 알고리즘을 분석하여 보다 나은 해무 조기예측 성능을 도출하고 싶다. 따라서 향후 연구로는  self-attention모델인 transformer에 먼저 적용할 예정이다.

[청취후기]

Historical Faction Identification with Hierarchical Genealogy Network of Joseon Korea(김명준, 신현정)

해당 연구는 조선시대의 정치 세력들과의 그룹을 분류하는 목적으로 진행된 연구였다. 정치 세력들을 분류하기위해 graph network를 사용하였으며 해당 network를 통해 인물간의 촌수 관계를 분석하였다. 3가지 사건에 대해 계층적으로 인물간의 관계를 파악하였다. 정보가 비어있는 경우 촌수를 가지고 채워 넣었으며 그래프 기반 semi-supervised learning을 사용해서 분석을 진행하였다. 비교는 계층적 방법론과 하나의 network를 가지고 비교하였으며 Enrichment study로 레이블링 안된 사건을 가지고 각 인물들 간의 관계를 비교하였다.

정책 그라디언트 기반의 강화학습을 이용한 인천항 해무 발생 예측(김재훈, 김성범, 이영재, 조용원, 박진혁)

해당 연구는 인천항에 발생하는 해무를 조기 예측하기위해 강화학습을 적용하였다. 순환신경망 모델을 가지고 기후데이터를 예측하고 예측된 기후데이터를 가지고 해무를 예측하는 방식으로 진행되었다. 기후데이터를 가지고 해무 예측을 할 때 정책 그라디언트를 사용하여 해무 예측을 진행하였다. 해당 연구를 보고 강화학습이 특정 도메인에 사용되는 것이 아닌 딥러닝 전반적인 알고리즘에 적용가능성을 보게 되었으며 향후 연구를 진행할 때 강화학습을 통한 학습방식에 관해서도 고려해야겠다고 생각이 들었다.