프로젝트 소개
본 과제는 생성모형인 VAE가 Distributional Shift 상황에서 가지는 한계를 이론적으로 정량화하고, 이를 보완할 방법을 찾는 연구임.
연구 목표는 고차원데이터 분포추정용 Coherent Risk 제안, Distributionally Robust Optimization 기반 Risk bound 계산, Location Shift Invariant Risk 제안과 risk convergence rate 규명, Prior Distribution의 유연한 모형화를 통한 VAE 고도화에 있음. 연구 내용은 DRO 문제를 새로운 coherent risk로 재정의하고, CVaR와 General Pessimistic Risk, Uniform Pessimistic Risk를 연결해 표현형을 도출하며, beta mixture distribution으로 일반적인 Distortion function을 모형화하는 것임. 기대 효과는 invariant coherent risk의 포트폴리오 설계·강화학습 활용, 이미지 데이터 가능도함수 정의에 대한 통찰, 그리고 가능도기반 방법론의 한계 돌파에 있음.