[학회후기]

입학 후 처음으로 대한산업공학회 추계학술대회에 참가하여 발표를 진행하였다. 상반기 진행되었던 춘계학술대회는 다들 오프라인으로 참석하여, 그 현장감을 생생히 느끼고 돌아왔기에 이번 추계학술대회 역시 기대가 컸다. 그러나 연일 쏟아지는 코로나19 확진자로 인해 온라인으로 참석할 수 밖에 없어 약간의 아쉬움이 남게 되었다. 그럼에도 이번 학회는 다양한 분야의 연구가 활발히 이루어짐을 새삼 깨달을 수 있는 자리였으며, 개인 연구의 현위치를 다시금 짚어볼 수 있는 기회였다. 줌을 이용하여 발표하는 데에는 큰 어려움이 없었지만 내년에는 한층 더 성장한 모습으로 오프라인 상에서 발표를 성공적으로 진행하고, 이와 관련해 다양한 피드백을 활발히 주고받을 수 있기를 기대하는 바이다.

[발표후기]

'비침습형 센서 기반 혈중성분 농도 예측'을 주제로 발표를 진행하였다. 비침습형 센서 기술의 발달로 쉽고 빠르게 다양한 생체정보가 수집 가능해짐에 따라, 이를 통해 혈중정보 예측 및 질병에 대한 실시간 진단과 예방이 가능해졌다. 따라서 본 연구는 비침습형 센서인 임피던스 센서를 기반으로 여러 혈중성분 농도를 동시에 예측하고, 주요 변수까지 파악가능한 딥러닝 모델을 제안하였다. 멀티아웃풋 러닝을 통해 단일 혈중성분 예측 시보다 다중 혈중성분 예측 시 향상된 성능을 산출하였으며, 어텐션 메커니즘을 통해 결과에 대한 해석이 가능하게끔 하였다. 온라인으로 진행되었던 탓인지 발표에 대한 떨림은 금방 완화되었지만, 날카로운 질의응답으로 마지막까지 긴장의 끈을 놓기 어려웠다. 질의응답 시간에 주고받은 피드백을 바탕으로 부족한 부분을 채우고, 짜임새 있는 탄탄한 연구를 완성할 수 있도록 거듭 고민해야겠다고 느꼈다. 넘어야 할 산이 많다만, 진행 중인 개인 연구의 결실을 잘 맺을 수 있도록 부단히 노력해야겠다.

질문1) 데이터 수에 비해 변수가 많은데, 변수 선택에 대한 부분은 고려하지 않은건지? 멀티아웃풋 간 크로스 코렐레이션을 반영하여 변수 선택을 진행하는 것도 좋을 것 같다.

답변) 피험자별로 변수 중요도가 달라 모든 피험자에 대해 동일하게 변수를 선택 후 제거하는 부분에 어려움을 겪었다. 제안해주신 멀티아웃풋 간 크로스 코렐레이션이 해당 문제 발생 없이 연구에 적용 가능하다면 성능 향상에 큰 도움이 될 것 같다.

질문2) Attention mechanism을 사용하기에는 데이터 수가 너무 부족한 것이 아닌지? Cross attention module을 추가하여 실험을 진행해보는 것도 좋을 것 같다.

답변) Attention mechanism에 대한 ablation study를 통해 적용 효과에 대해서는 입증 가능하다고 생각되지만 데이터 수 부족에 대해서는 충분히 인지하고 있는 상황이다. 제안해주신 cross attention module을 적용해보는 것도 성능 향상에 유효한 시도가 될 듯 하다.

[청취후기]

1. Learning a Personalized Subspace for Federeated Learning (Seok-Ju Hahn, Minwoo Jeong, Junghye Lee)

: 연학 학습의 실제적인 적용과 효용성 증진을 위해 필수적인 개인화 연합 학습 방법론인 SuperFed를 제안하였다. 이는 연학 학습을 통해 협업하여 최적화 할 글로벌 모델과 클라이언트 내부에서만 개인화하여 최적화 할 로컬 모델 사이에서 넓은 최적 구간이 구성되도록 부분 공간을 학습한다. 본 발표 청취를 통해 연합 학습에 대해 처음 접하게 되었으며, 새로운 분야에 대한 식견을 넓힐 수 있었다. 흥미로운 분야의 연구라고 생각되었으며, 향후 개인연구와 접목 시킬 수 있는 부분은 없는지 고민해보아도 좋을 것 같다.

2. 자세 추정을 통한 고령자 이상 행동 탐지 (김상민, 김성범)

: 실제 고령자 일상을 관찰하고 분석한 실용적 데이터셋을 활용하여 고령자 이상 행동을 인식하고자 한 첫 번째 연구로, pose estimation을 통해 일상생활 속 이상 행동 탐지까지 가능한 방법론을 제안하였다. 전체적인 프레임워크는 크게 two-stage로 구성되었다. 첫 번째 단계에서는 pose estimation을 통해 비디오 프레임별 관절 좌표를 추정하고, 두 번째 단계에서는 추정된 관절 좌표를 입력 데이터로 받아 FSA-CNN 기반 autoencoder를 통해 이상 행동을 탐지한다. 큰 주목을 받는 연구 분야는 아니지만 실생활과 밀접하게 연관되어 잠재적으로 큰 기여점을 가진다고 생각되었으며, 향후 연구 방향성으로 언급한 오토인코더 활용 모델 고도화 부분이 기대되는 바였다.