초록 ▼

- 본 연구에서는 기계학습 모델을 다양한 자율수준으로 생성하고 생성 모델에 대해서 자동으로 학습을 수행하여, 사용자의 개입을 최소화하면서 자가구성 기반의 기계학습을 할 수 있는 프레임워크를 위한 기초 원천 기술을 개발함
- 본 연구에서 연구 개발하는 주요 기술 및 연구 결과는 다음과 같음
1. 자율 기계학습을 위한 자가구성 기술
(1) 효과적 모델 생성을 위한 속성의 자율 선택 기술
- 데이터 특성을 고려하는 속성 표현(Feature representation) 기술 개발
- 몬테카를로 트리 검색

- 본 연구에서는 기계학습 모델을 다양한 자율수준으로 생성하고 생성 모델에 대해서 자동으로 학습을 수행하여, 사용자의 개입을 최소화하면서 자가구성 기반의 기계학습을 할 수 있는 프레임워크를 위한 기초 원천 기술을 개발함
- 본 연구에서 연구 개발하는 주요 기술 및 연구 결과는 다음과 같음
1. 자율 기계학습을 위한 자가구성 기술
(1) 효과적 모델 생성을 위한 속성의 자율 선택 기술
- 데이터 특성을 고려하는 속성 표현(Feature representation) 기술 개발
- 몬테카를로 트리 검색 기반의 속성 선택(Feature selection) 기술 개발
(2) 모델에 적합한 하이퍼파라미터의 자율 설정 기술
- 효율적인 하이퍼파라미터 공간 탐색을 위한 모델 평가 방법 개발
- 최적화 기법 기반의 하이퍼파라미터 선별 기술 개발
2. 자율 기계학습을 위한 그래프, 매트릭스 기반의 고성능 기계학습 기술
(1) 고성능 싱글 머신 기반 그래프 처리 엔진 기술
- 싱글 머신 멀티코어 프로세서를 활용하는 처리 기술 개발
- 싱글 머신 기반 고성능 그래프 처리 엔진 개발
(2) 그래프 처리 엔진과 밀접히 결합된 효율적인 기계학습 알고리즘
- 그래프 처리 엔진과의 밀결합을 통한 고성능 기계학습 알고리즘 개발
- GPU의 활용을 통한 그래프 엔진 기반 기계학습 알고리즘의 성능 개선

(출처 : 보고서 요약서 3p)

Abstract ▼

Ⅳ. Results
[The 1st year]
○ Autonomic selection of attributes for effective model generation
1. Effective feature representation technology for text data
- Efficient feature representation of text data using keyword memory network
- Apply attention mechanism to Explicit Vector, wh

Ⅳ. Results
[The 1st year]
○ Autonomic selection of attributes for effective model generation
1. Effective feature representation technology for text data
- Efficient feature representation of text data using keyword memory network
- Apply attention mechanism to Explicit Vector, which is a surface area semantic property expression, using Implicit Vector, which is a contextual meaning attribute expression
2. Monte Carlo tree search based feature selection
- Development of meta-heuristic algorithm combining Monte Carlo tree search and Wrapper method
- Generate optimal feature subset by combining tree policy using extended feature space and default policy for deriving randomness

○ High-performance technology for a graph processing engine on a single machine
1. Modeling analysis of existing methods of single-machine-based graph engines
- Analysis of existing graph processing methods
- Analysis of storage formats of real-world graphs and matrices
- Analysis of models for data storage and programming
2. Analysis of existing storage structures for graphs and matrices
- Analysis of existing storage methods of real-world graphs and matrices
- Analysis of characteristics of real-world graphs and matrices
3. Implementation of high-performance graph engine & performance evaluation
- Modeling of structure and role of components in graph engine
- Implementing graph processing techniques utilizing a single machine multi-core processor
- Performance evaluation of graph engine

[The 2nd year]
○ Autonomic hyperparameters configuration technology
1. Model evaluation method for efficient hyperparameter space search
- Deriving model evaluation criteria to consider learning characteristics of neural networks
- Development of efficient hyperparameter search method combining Successive Halving algorithm and derived model evaluation criteria
2. Hyperparameter selection method based on optimization technique
- Development of efficient hyperparameter optimization method combining Successive Halving algorithm and Bayesian Optimization
- Evolutionary algorithm-based search and derive optimal hyperparameter setting through three operations: training, selection, and expansion

○ Efficient machine learning algorithms based on a graph engine
1. Implementation of graph- and matrix-based machine learning algorithms
- Algorithms analysis existing algorithms for machine learning analysis
- Designing and implementation of representative graph- and matrix-based algorithms
- Performance comparisons with the existing graph engines
2. Improving performance of machine learning algorithms using GPU
- Designing data structure and processing steps for GPU-based graph engine
- Implementation of machine learning algorithms on GPU-based graph engine & performance comparison with the CPU-based graph engine

(출처 : SUMMARY 8p)

목차 Contents

• 표지 ... 1
• 제 출 문 ... 2
• 보고서 요약서 ... 3
• 요 약 문 ... 4
• SUMMARY ... 7
• CONTENTS ... 10
• 목차 ... 12
• 제 1 장 연구개발과제의 개요 ... 14
• 제 1 절 연구의 필요성 ... 14
• 제 2 절 연구개발 목표 및 범위 ... 17
• 1. 최종 목표 ... 17
• 2. 단계별 연구개발 목표 ... 17
• 3. 연차별 연구개발 목표 및 범위 ... 18
• 제 2 장 국내·외 기술개발 현황 ... 19
• 제 1 절 국내·외 수준 및 현황 ... 19
• 1. 해외 수준 및 연구 현황 ... 19
• 2. 국내 수준 및 연구 현황 ... 21
• 제 3 장 연구개발수행 내용 및 결과 ... 25
• 제 1 절 연구개발 내용 ... 25
• 1. 연구내용 요약 (2개년) ... 25
• 2. 연차별 연구내용 ... 29
• 3. 연구단 내 세부과제와의 연계 활동 ... 64
• 제 2 절 연구 성과 ... 65
• 1. 정성적(기술적) 연구 성과 ... 65
• 2. 정량적 연구 성과 ... 69
• 3. 연구 성과 자료 ... 70
• 제 4 장 목표달성도 및 관련분야에의 기여도 ... 80
• 제 1 절 평가의 착안점 및 자체평가 ... 80
• 1. 평가 착안점에 따른 목표 달성도 ... 80
• 2. 목표달성에 대한 자체평가 ... 81
• 3. 목표달성(연구수행) 중요 변경사항 ... 81
• 제 2 절 관련분야에의 기여도 ... 82
• 1. 경제적/산업적 기여도 ... 82
• 2. 기술적 기여도 ... 82
• 3. 인력양성 기여도 ... 83
• 제 5 장 연구개발결과의 활용계획 ... 84
• 제 1 절 연구개발결과의 활용방안 ... 84
• 제 2 절 추가연구의 필요성 ... 86
• 제 6 장 연구개발과정에서 수집한 해외과학기술정보 ... 88
• 제 1 절 연구관련 기술자료 ... 88
• 제 2 절 기타 관련분야 기술정보 ... 88
• 제 7 장 연구시설·장비 현황 ... 89
• 제 8 장 참고문헌 ... 90
• 부록 ... 92
• 끝페이지 ... 394