적은 양의 측정 데이터만으로 고차원 데이터를 
정확하게 복원할 수 있는 모델 기반 딥러닝 기술 개발

(사진설명) 연구팀에서 개발한 저랭크 텐서 완성을 이용한 모델기반 딥러닝 기술 개념도

AI소프트웨어융합학부 이철 교수팀이 홍콩대 연구팀과 공동 연구를 통해 적은 양의 측정 데이터만으로 고차원 데이터를 정확하게 복원할 수 있는 모델 기반 딥러닝 기술을 개발하여, 이를 세계적인 국제 학술지인 IEEE Transactions on Pattern Analysis and Machine Intelligence에 게재했다고 밝혔다.

고차원 데이터 복원을 위한 기존 수학적 모델 기반 기술은 모델링 오차로 인해서 성능이 저하되는 단점이 있는 반면, 최신 딥러닝 기반의 인공지능 기술은 대규모 학습데이터가 필요하며 학습데이터의 특성에 따라 성능이 달라지는 등 일반화 성능이 낮은 단점이 있었다. 동국대 이철 교수와 마이트렁 박사과정생은 이를 해결하기 위해 저랭크 텐서 완성(Low-rank tensor completion)이라는 수학적 모델을 기반으로 모델링 오차를 딥러닝으로 예측하는 모델기반 딥러닝 기술을 개발하여, 모델 기반 및 딥러닝 기반의 두 가지 기술 각각 장점은 유지하면서 단점을 보완할 수 있는 기술을 개발하였다. 이러한 기술은 매우 적은 학습데이터만으로도 더 높은 성능을 얻을 수 있으며, 기존 딥러닝 기반 기술에 비해 일반화 성능이 우수함을 입증했다.

(좌측부터)  마이트렁 박사과정생, 이철 교수(동국대), Edmund Y. Lam 교수(홍콩대)

이철 교수는 “실세계에서 측정되는 다양한 형태의 데이터가 낮은 랭크 특성이 있으므로, 이번에 개발한 모델 기반 딥러닝 기술이 다양한 인공지능 응용 분야에 적용될 수 있을 것으로 기대한다”고 말했다.

이번 연구는 한국연구재단의 기본연구와 정보통신기획평가원의 인공지능융합혁신인재양성 사업의 지원을 받아 수행되었으며, “Attention-Guided Low-Rank Tensor Completion”라는 제목으로 컴퓨터공학 및 인공지능 분야 최상위 저명 국제 학술지인 ‘IEEE Transactions on Pattern Analysis and Machine Intelligence (IF=23.6, JCR 상위 0.5%)’에 24년 7월 온라인에 게재되었으며 및 올해 하반기에 출판될 예정이다.