RnDCircle Logo
박건웅 연구실
서울대학교 통계학과 박건웅 교수
그래피컬 모델 학습
Gaussian 선형 구조방정식
모델 식별성
|박건웅 교수 연구실
홈
연구 영역
기본 정보
논문·특허
과제
구성원
홈

박건웅 연구실

서울대학교 통계학과 박건웅 교수

박건웅 연구실은 Gaussian 선형 구조방정식 모형에서 그래프 구조의 식별성과 고차원 학습 가능성을 수학적으로 분석하고, 조건독립성 검정과 가설검정 기반 추정으로 계산 효율을 높이는 그래피컬 모델 학습 연구를 수행합니다. 또한 ℓ1-및 ℓ2-정규화가 포함된 추정에서 오차분산 추정기의 점근적 편향을 이론적으로 규명하여 정규화 기반 통계추정의 성질을 정리합니다. 아울러 정류장 네트워크와 이동 데이터를 그래프로 결합하고 정점 속성을 활용하는 attributed network clustering을 통해 도시 교통 시스템의 설명 가능한 군집을 도출하는 분석 연구도 병행합니다.

그래피컬 모델 학습Gaussian 선형 구조방정식모델 식별성조건독립성대규모 그래프 복원
대표 연구 분야
연구 영역 전체보기
Gaussian 선형 구조방정식 모형의 식별성과 고차원 그래프 학습 연구 thumbnail
Gaussian 선형 구조방정식 모형의 식별성과 고차원 그래프 학습 연구
Identifiability and high-dimensional learning of Gaussian linear structural equation models
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
·
인용수 0
·
2023
Asymptotic bias of the $$\ell _2$$-regularized error variance estimator
Semin Choi, Gunwoong Park
IF 0.6 (2023)
Journal of the Korean Statistical Society
http://dx.doi.org/10.1007/s42952-023-00239-y
Mathematics
Estimator
Minimum-variance unbiased estimator
Bias of an estimator
Consistent estimator
Stein's unbiased risk estimate
Applied mathematics
Covariate
Efficient estimator
Statistics
2
Article
|
·
인용수 1
·
2023
Densely connected sub-Gaussian linear structural equation model learning via ℓ1- and ℓ2-regularized regressions
Semin Choi, Yesool Kim, Gunwoong Park
IF 1.5 (2023)
Computational Statistics & Data Analysis
https://doi.org/10.1016/j.csda.2023.107691
Mathematics
Gaussian
Algorithm
Graph
Time complexity
Linear regression
Linear model
Combinatorics
Statistics
3
Article
|
인용수 0
·
2022
Asymptotic Bias of the L2-Regularized Error Variance Estimator
Semin Choi, Gunwoong Park
SSRN Electronic Journal
https://doi.org/10.2139/ssrn.4094257
Estimator
Statistics
Mathematics
Variance (accounting)
Minimum-variance unbiased estimator
Econometrics
Bias of an estimator
Economics
Accounting
최신 정부 과제
14
과제 전체보기
1
주관|
2023년 9월-2028년 8월
|2,000,000,000원
서울대학교 램프(LAMP) 사업단
본 사업은 자연과학 연구소의 관리·지원 체계를 내실화하고, 데이터혁명 시대에 맞춘 “데이터 디스커버리” 기반 연구로 패러다임 전환을 추진하는 대학 단위 사업단 연구임. 연구목표는 학과-전공 칸막이식 구조를 넘어 공동연구 환경을 조성하고, LAMP 신진인력의 안정적 성장을 지원하며, 신설 “데이터디스커버리과학연구소”를 통해 AI in Science 혁신을 달성하는 데 있음. 연구내용은 연구소 평가·개편 및 조사·총괄 지원, LAMP교원 25명 중심 조기 출범, 공동콜로키움·성과교류, 통계데이터과학센터 설립임. 기대효과는 SCI 논문 100편 이상, 학제간 공동연구 40편 이상, 데이터디스커버리 연구비 수주 40건 이상, LAMP 포닥 정규직 취업 20명 이상으로 제시됨.
데이터 디스커버리
융합연구
데이터과학
인공지능
기초과학의 데이터기반혁신
2
2021년 2월-2026년 2월
|78,839,000원
그래피컬 모델 학습 방법 개발
변수 간의 함수/인과관계를 모델링할 수 있는 다양한 방향성 비순환 그래피컬 모델 학습 방법을 개발하고 해당 방법의 이론적 특성을 연구한다.
그래피컬 모델
베이지안 네트워크
인과관계 추론
모델식별성
머신러닝
3
2021년 2월-2026년 2월
|70,956,000원
그래피컬 모델 학습 방법 개발
변수 간의 함수/인과관계를 모델링할 수 있는 다양한 방향성 비순환 그래피컬 모델 학습 방법을 개발하고 해당 방법의 이론적 특성을 연구한다.
그래피컬 모델
베이지안 네트워크
인과관계 추론
모델식별성
머신러닝
고차원 데이터