프로젝트 소개
본 과제는 데이터 변수들 사이의 함수관계와 인과관계를 그래프로 표현하고 학습하는 방법을 개발하는 연구임. 상관관계 중심 분석의 한계를 보완하여, 복잡한 데이터 구조를 더 직관적으로 이해하고 설명할 수 있는 그래피컬 모델 기반 기술 확보를 목표로 함.
연구 내용은 가우시안 마코프 랜덤 필드, 가우시안 선형구조방정식, L1-벌점화 선형 모델, 조건부 독립검정, 역방향 오더링 탐색, Anchored 비순환 그래피컬 모델 등 8가지 세부 방법의 학습·식별성 연구로 구성됨. 이를 통해 고차원·비가우시안·오염된 데이터에도 적용 가능한 robust한 인과 그래피컬 모델 학습 기반을 마련하고, 스마트하고 효율적인 통계 모델 설계 및 다양한 후속 응용 연구로의 확장 가능성 제고가 기대됨.