[학회후기]

이번 대한산업공학회 추계학술대회는 연구실에 입학하여 처음으로 참석하게 된 학회였던 만큼 의미있는 시간으로 생각된다. 현재 진행중인 연구에 대해서 발표를 진행하게 되며 현재 연구에 대해서도 돌이켜 보며 문제점에 대해서 다시 한번 생각해 보고 앞으로 나아가야 할 방향성에 대해서도 생각할 수 있는 계기가 되었다. 지속되는 코로나 이슈로 인해서 온라인으로 학회가 진행되며 학회가 주는 현장감을 실제로 느껴보지는 못했지만, 온라인을 통해서도 진행되는 다양한 연구들에 대해서 실감할 수 있었다. 긴장되는 상태로 진행되었던 학회였던 만큼 아쉬운점도 있었던 만큼, 다음 학회의 발표에서는 부족한 부분들을 잘 보완하여 보다 성장해 나아가는 모습을 보이고 싶다.

[발표후기]

해당 학회에서는 현재 진행중인 "학습하지 않은 사람의 새로운 행동 유형을 분류하기 위한 오픈셋 분류 모델" 을 주제로 발표를 진행하였다. 다양한 웨어러블 기기에서부터 관측되는 다채널 센서 데이터를 활용한 알려지지 않은 사람 행동 인식 식별 알고리즘에 대해 탐구하는 연구로 모든 행동에 대해 라벨을 부여하여 식별하는 모델을 구축하는 것은 어렵기에 필요한 연구이다. 사람 행동 인식 분야에서 오픈셋 인식 문제를 해결하고자 저는 메트릭 러닝을 통해서 고차원의 다채널 센서 데이터를 알고 있는 범주별로 보다 명확한 분류가 이루어질 수 있도록 차원을 축소시키며, 학습하지 못한 새로운 범주로의 식별 능력을 향상시키기 위해서 보조 데이터를 활용하는 방법을 결합하는 알고리즘을 연구하고 있습니다. 해당 알고리즘에 대한 연구를 통해서 사람 행동 인식 분야에서의 오픈셋 인식 문제에서 그치지 않고, 다양한 산업 응용 분야에서 활용되는 다채널 센서 데이터에서도 적용이 가능한 알고리즘에 대한 연구로 확장해 나아가고 싶다. 발표를 진행하며 내가 전달하고자 하는 내용들을 100% 정확하게 전달하지 못한것 같아 아쉬운 발표였던 만큼 앞으로 더욱 준비를 착실하게 해야겠다고 느끼게 되었던 발표였다.

[청취후기]

 - 시계열 데이터 분류를 위해 교각행렬을 적용한 GAF 기반 시계열 이미지 변환 GAF-Based Time Series Imaging Transformation Applying Angle of Intersections Matrix for Time Series Classification (정용곤, 백준걸 - 고려대학교)

 해당 연구는 시계열 데이터를 활용하여 분류 모델을 구축하는 과정에서 데이터를 이미지로 변환하여 사용을 하는데 나타나는 단점을 보완하기 위해 진행되는 연구이다. 기존의 연구들은 푸리에 혹은 웨이블릿 변환이라는 과정을 통해서 시계열 데이터를 이미지화하여 사용되는데 이러한 경우 1) 시간정보의 손실 2) 설정 방식에 따른 성능의 차이 의 2가지 문제점이 존재하여 이를 개선하기 위한 방법론을 제안해주고 있었다. 성능의 향상을 위해서 모델의 구조 및 학습 방법에 대한 연구가 아닌 전처리 방법을 고도화 시키는 연구였는데, 현재 제가 진행하는 연구와는 다른 방향으로 성능을 향상시키는 연구분야 였기에 보다 흥미로운 주제로 다가왔습니다. 앞으로의 분석을 하는데 있어서 데이터를 전처리 하는 과정에서도 다양한 생각을 가져보며 진행해야겠다는 생각을 가져보게 해준 연구이다.

 -  멀티 레이어 정보를 활용한 다채널 시계열 센서 데이터 오픈셋 인식 (오혜령,김성범 - 고려대학교)

 다채널 시계열 센서 데이터에 적합한 오픈셋 인식 방법론을 제안하는 연구 주제로, 현재 진행하는 연구와 매우 유사한 주제로 진행되는 연구였다. 그렇기에 나의 연구 방향성과의 유사점과 더불어 차이점이 무엇인지 고민하며 듣게 된 연구였다. 해당 분야에서는 이미지 데이터 위주로 이미지 데이터에 적합한 방법론들이 연구되어 왔지만, 이를 다채널 시계열 센서 데이터에서도 분류가 잘 이루어지도록 학습하게 변경하며 연구를 진행하고 있었다. 다채널 시계열 센서에서의 특징이 잘 구분될 수 있는 방법에 대해서 다양하게 찾아본 점이 느껴졌다. 신경망의 멀티 레이어 정보를 사용하게 되며 오히려 특징이 잘 추출되지 못한 정보도 반영되며 악영향이 있을것 같아 질문하였지만, 해당 부분에 대한 자신의 생각을 답변해주는 것을 보고 많은 부분들에 대해 고려하고 있다는 것을 느껴볼 수 있었다. 현재 손실함수를 변경해 가며 성능을 향상시키고자 하는 나와는 다른 방향의 접근성을 보며 연구를 확장해 나가는데 있어서 좋은 자극이 될 수 있는 연구였다.