2022.06 - 2025.02

• 연구유형 : 한국연구재단 기본연구

• 연구목표 : 본 연구진은 총 3년 동안의 연구를 통하여 최종 목표인 인공지능 시스템 실용화를 위한 안정적인 딥러닝 알고리즘을 개발할 계획임.우선 1차년도에는 새로운 데이터에 적응 할 수 있는 표현 학습 방법론을 개발할 것임. 이 기간에는 우선 Wasserstein거리를 활용하여 데이터에서 같은 클래스를 가지는 샘플들의 임베딩이 비슷하게 위치 되게 하는 클래스 의존적 표현 학습 방법론을 개발 할 예정임. 이를 활용하면 분포가 다른 새로운 데이터에서도 모델이 안정적으로 작동 할 것으로 예상됨. 또한 1차년도에서는 데이터 변형 및 지식 전이를 활용하여 다중 도메인에 적용 될 수 있는 알고리즘을 개발 할 예정임. 이를 활용하면 다양한 도메인들에 적용 가능한 일반화된 통합적 모델을 구축 할 수 있을 것으로 예상됨.2차년도에서는 노이즈에 강건한 모델을 위해 적대적 노이즈를 활용한 연구를 진행 할 것임. 우선 먼저 인공지능 모델의 안정성을 효율적으로 측정 할 수 있는 지표를 개발할 것임. 새로운 데이터에 노이즈가 추가 되었을 때, 그 데이터가 잠재 공간에서 다른 샘플로 오분류 될 수 있는 최소 거리를 측정하여 개발할 예정임. 또한 이를 활용하여 적대적 노이즈에 영향을 받지 않는 학습 알고리즘을 개발 할 예정임. 추가적으로 본 연구진이 예비 연구를 통해 밝혀낸 강건한 모델의 두 핵심 요소인 margin과 smoothness을 동시에 만족하는 모델을 개발할 것임.마지막으로 3차년도에서는 제약조건이 존재하는 데이터에서 안정적으로 학습 가능한 알고리즘을 개발할 것임. 첫 번째로 반복적 pseudo 라벨링을 통하여 noisy 라벨 데이터를 학습 할 수 있는 알고리즘을 개발 할 예정임. 실제 산업 현장에서는 데이터의 라벨링이 불완전하게 되어 있는 경우가 많아 이러한 알고리즘 연구가 필수적임. 두 번째로 개인정보 보호를 위해 접근이 불가능한 데이터를 활용하여 모델을 구축 하는 알고리즘을 개발 할 것임. 1차년도에서 연구한 데이터 변형 방법론을 적용하여 새로운 알고리즘을 개발 할 것임.본 연구진은 일반화를 위한 표현학습 방법론, 강건성을 위한 알고리즘, 제약 조건이 있는 데이터에서의 학습 알고리즘을 통하여 딥러닝의 안정성을 다각도로 접근하여 실용화된 인공지능을 촉진할 것임

• Keyword : Generalizatoin, Robustness Fairness , Deep learning, Domain Adaptation