본 연구팀은 사전실험을 통해 인공지능 CNN모델의 Proxy를 사용한 학습과정에서 특징 공간에 나타난 몇 가지 흥미로운 사실을 관찰하였음 - 학습이 완료된 모델을 활용하여 새로운 데이터에 대한 특징 벡터들을 도시할때 특징공간의 특정 부분에만 치우쳐 임베딩되는 경향을 관찰하였음 -이를 기존의 방식대로 Proxy random initialization 을 사용하면 기학습된 특정한 특징공간에서 많은 학습이 요구되며 이는 기학습된 정보를 유실하는 결과를 초래할 수 있음 그러므로 본 연구팀의 관찰을 기반으로 새로운 데이터에 대해서도 적응성이 뛰어난 학습방법을 제안하는 바임 -제안하는 방법은 새로운 데이터에 클래스별로 중앙값을 계산하여 Proxy를 그 중앙 지점에 적용하는 방법이며 이는 Proxy를 기준으로 모집되도록 하는 것이 가능하며 이 경우, 또 다른 새로운 데이터에서 군집/분류 성능이 향상되는 것을 확인하였음 -Proxy를 특징벡터 클래스별 중앙에 위치하도록 초기화(initialization)하는 방법은 본 연구과제에서 처음 제안하는 방법이며 이에 대하여 다양한 데이터세트 내의 유효성 검증이 필요함 -또한 기학습된 특징공간을 기반으로 하되 효과적으로 특징공간을 넓게 사용하는 것을 단계적으로 개발할 계획임