우리는 인과추론 도입하여 분포의 이질성에 강건한 신뢰성을 가진 AI 개발을 목표로 한다. 우리 연구는 모형의 개발, 데이터와 모형 강건성을 진단도구 개발, 그리고 이미지와 텍스트 데이터의 적용할 수 있는 AI 응용모형개발을 포함한다. 우리는 분포강건최적화와 불변위험최적화 관점에서 효과적인 인과추론방법론을 제안하며, 모형의 강건성과 데이터 이질성 진단에 필요...
우리는 본 연구에서 VAE와 GAN의 어떤 모형 특성으로 이미지 생성모형의 성능차이가 나타나는지 밝히고 이미지 데이터의 특성에서 기인하는 원인과 VAE 모형의 근본적인 한계를 조사한다.본 연구과제는 생성모형으로서 이미지 복원력 측면에서 VAE가 가지는 한계를 극복하는 방법을 제시하고자 하며, 그 방안을 모색하기 위해 다음과 같은 이론적 연구를 수행한다.- ...
연구의 전제적인 방향은 다음과 같다.
1) 볼록 다면체의 경계에서 Gradient 방향과 함수의 특성을 조사하고, 적용 가능한 일차근사 최적화 알고리즘을 제안한다. 본 연구에서는 Barrier function을 이용한 Interior point method에서 일차근사를 고려한다.
2) 제약조건 내에서의 미분불능점이 최적화에 미치는 영향을 조사하고 Interior point method에서 일차근사 알고리즘의 수렴성을 조사한다.
3) 어떤 함수족에 대한 근사로서, Perturbation을 이용하여 미분불능점의 계산을 단순화하였을 때, 근사이론을 연구하고, 최종적으로 기존의 제안되었던 일차근사방법들의 이론적 성질을 연구한다.
본 연구가 목적하는 바는 1) 기존에 알려진 확률적 순위모형에서의 모형 선택 방법의 제시 2) 모형 가정에 위배된 자료 구조 하에서 순위 일치성을 가지는 추정방법론 개발 3) Barbington-Smith 모형의 구조적 정규화를 통한 새로운 확률모형의 도출 4) 정규화방법을 이용한 순위모형의 고도화이다.
1) 확률적 순위모형에서 모형선택 연구: 대용량의 계산에서 계산 속도문제를 해결하거나 추정오차(estimation error)를 줄이기 위해서 우도함수 대신 다른 형태의 손실함수(loss function) 혹은 벌점화 된 우도함수를 이용하는데, 이 때 최종 모형 선택을 선택하는 모형선택 방법이 필요하다. 특히 쌍별비교를 통해 만들어진 위험함수에서 위험함수를 구성하는 관측치들이 독립이 아니기 때문에, 기존에 알려진 AIC, BIC, GIC등 모형 선택 방법이 잘 작동하지 않는다. 본 연구에서는 순위모형에서 사용하는 쌍별비교로 만들어진 위험함수 대해 U-process의 점근적 이론을 이용하여 모형선택의 방법을 제한한다.
2) 모형가정에 위배된 자료 구조 하에서 순위일치성 연구: 순위 일치성이란 모형을 통해 얻어진 순위가 참 순위로 수렴한다는 추정량의 점근적 성질이다. 순위모형에서는 쌍별 비교 방법을 통해 얻어진 Bradley-Terry 모형 혹은 그 변형들이 널리 이용되고 있는데 이러한 모형들이 주는 추정량의 점근적 성질은 매우 특수한 경우에만 알려져있다. 만약 관측된 데이터가 순위 모형의 가정이 위배될 경우 제안된 순위 추정 방법들은 추정량의 편이를 가지게 된다. 본 연구에서는 이 추정량의 점근적 이론을 전통적으로 사용된 유클리디안 거리에 기반하지 않고 좀 더 약한 의미에서 순위일치성이라는 방법으로 다룬다. 즉, 일반적인 쌍별비교모형의 모형가정이 틀린 경우에도 추정량이 주는 편이가 순위의 측면에서 0으로 수렴하는 ‘순위일치성’을 가지기 위해서가서 가져야 하는 충분조건을 밝힌다. 뿐만 아니라, 모형의 차원이 증가하는 경우 이러한 추정량이 순위일치성을 가지는지 데이터로부터 확인할 수 있는 충분조건을 찾는다.
3) 순위모형의 확장: Barbington-Smith 모형의 정규화방법론으로 새로운 확률순위모형들을 만든다. 순위 모형의 크기가 너무 커서 그 모형의 복잡도로 인해 실제로는 거의 사용되고 있지 않다. 하지만, 구조적 정규화 방법론을 통해 Barbington-Smith모형의 크기를 효과적으로 줄일 수 있을 것으로 예상되며, 이는 Barbington-Smith모형에서 Bradley-Terry 모형으로 혹은 Mallows 모형으로 연속성을 가지는 모형의 클래스들을 생성할 수 있을 것으로 보인다. 이는 기존에 많은 순위모형들이 제약하고 있는 transitivity condition을 효과적으로 조정하면서 다양한 순위모형을 생성할 수 있다.
4)정규화방법론을 이용한 순위모형의 고도화: 이는 순위모형의 응용분야로써 추천시스템에 사용할 Collaborated filtering 알고리즘을 만들든다. 순위모형에 순위를 매기는 평가자, 순위를 매기는 대상인 객체 등을 포함하여, 평가자 효과와 객체 효과 그리고 객체-평가자 교호작용을 검출하고 그에 따른 데이터 적응형 순위알고리즘을 개발한다. 본 연구에서는 정규화방법론을 적용한 Barbington-Smith모델을 통해 기존 순위기반 collaborated filtering 알고리즘을 고도화하고 그 알고리즘이 주는 추정모형에 대한 점근적인 성질을 밝힌다. 여기서 적용하고자 하는 방법은 Grouping regularization이다.