Multivariate monitoring and dependence-aware multiple testing algorithms
연구 내용
다변량 통계 감시에서 변화원인을 탐색하고, 의존성 하 다중검정을 위한 반모수 Hidden Markov model을 개발하는 연구
다변량 관측에서 평균 구조 변화가 감지된 이후 어떤 변수 부분이 이상을 유발하는지 식별하는 절차를 연구합니다. Hotelling의 T2 기반의 전역 검정 결과를 활용해 부분벡터를 탐색하며, 불확실한 변화 구성을 효율적으로 찾기 위해 확률적 최적화 알고리즘을 결합합니다. 또한 의존성이 있는 상황에서 동시 가설검정을 수행하기 위한 반모수 Hidden Markov model을 제안하고, 식별성과 관측분포의 조건을 만족시키도록 기대-최대화 절차를 수정합니다. 이를 통해 대규모 데이터에서 상태추정과 다중검정 성능을 함께 개선하는 방향성을 보유합니다.
관련 연구 성과
관련 논문
0편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2022년에는 의존성 하 동시 가설검정을 목표로 반모수 Hidden Markov model의 식별 조건을 다루고, 수정된 EM 알고리즘으로 모형을 추정하는 연구를 수행했습니다. 이 과정에서 확률모형의 관측분포 극한성 및 정제 절차를 통해 다중검정 오류 설정에서의 성능을 비교했습니다. 2023년에는 다변량 통계 공정관리로 확장하여 Hotelling의 T2 사후 절차를 구성했습니다. 전역 검정 후 이상이 발생한 변수 부분을 효율적으로 찾기 위한 확률적 탐색 전략을 제안하고, 공정 감시와 텍스트 기반 사건 수 추적 사례에 적용하는 연구 흐름을 이어갔습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.