초록 ▼

□ 연구개발 목표 및 내용
○ 최종 목표
베이지안 방법을 기초로 하여 학습모델을 자동으로 선정하는 온라인 학습 기반으로 모델 학습 시 초매개변수를 자동으로 최적화하는 알고리즘을 통합함으로써 최적의 학습모델 선정과 초매개변 수 최적화를 동시에 구현하는 지능형 메타러닝 알고리즘을 구현하는 것을 최종 목표로 하였습니다.

○ 전체 내용
1. 머신러닝에 기반한 학습모델 중 최적의 학습모델 선택을 위한 지능형 알고리즘 구현 / 최적의 복합 학습 모델 구축을 위한 지능형 알고리즘 구현
2. 이산형/연속형 초매개

□ 연구개발 목표 및 내용
○ 최종 목표
베이지안 방법을 기초로 하여 학습모델을 자동으로 선정하는 온라인 학습 기반으로 모델 학습 시 초매개변수를 자동으로 최적화하는 알고리즘을 통합함으로써 최적의 학습모델 선정과 초매개변 수 최적화를 동시에 구현하는 지능형 메타러닝 알고리즘을 구현하는 것을 최종 목표로 하였습니다.

○ 전체 내용
1. 머신러닝에 기반한 학습모델 중 최적의 학습모델 선택을 위한 지능형 알고리즘 구현 / 최적의 복합 학습 모델 구축을 위한 지능형 알고리즘 구현
2. 이산형/연속형 초매개변수 최적화 알고리즘 구현 여구
3. 지능현 학습 모델 자동선정 및 복합모델 구축/ 초매개변수 최적화를 위한 통합 알고리즘 구현

○ 1단계
● 목표
이산형 초매개변수 최적화를 위한 알고리즘 구현 연구
● 내용
초매개변수 최적화를 위한 밴딧형 알고리즘 개발

○ 2단계
● 목표
연속형 초매개변수 최적화를 위한 알고리즘 구현 연구
● 내용
초매개변수, 모형 모수에 대한 베이지안 방법, 사전분포 연구 및 실현 (모형 선택 자동화 구현)

○ 3단계
● 목표
학습 모델 자동 선정 및 초매개변수 최적화를 통합하는 알고리즘 구현 연구
● 내용
학습모형 선택 및 초매개변수 최적화 결합 방법 일반화

□ 연구개발성과
본 연구의 개발 성과는 일차적으로 이산형 초매개 변수의 최적화를 위한 밴딧 알고리즘의 구현을 실현한 점, 이차적으로 이론/방법론적 연구를 통해서 베이지안 모형선택의 이론적 배경을 튼튼히 한 점, 그리고 모형선택/연속형 초매개변수 최적화를 극단치 자료 분석의 모형 선택 문제에 적용해서 실제 예측 및 추론의 정밀도를 높힌 점이 주된 성과입니다. 특히 밴딧 알고리즘의 경우 난이도 높은 ‘레이블 분포의 불균형이 존재하는 능동학습’에 적용하였으며, 이후 딥네트워크를 이용한 메터러닝 기법을 더 발전시킬 수 있는 이론, 실용적 토대를 구축하였습니다. 또한 베이지안 방법의 여러 측면에 대한 이론적 연구를 통해서 그 활용의 가능성을 확증하였습니다.

□ 연구개발성과 활용계획 및 기대 효과
본 연구 성과는 베이지안 초매개변수/모형선택 방법이 메타러닝과 연결되어 있음을 확인하였고, 이후 베이지안 메타 러닝의 기법을 새롭게 발전시키는데 크게 기여할 것이라고 기대합니다. 또한 본 연구에서 개발한 밴딧 알고리즘은 이산형 초매개변수 최적화라는 실용성이 높은 문제에서 적용가능한 방법론으로, 완성된 github의 코드를 사용가능한 수준의 패키지로 발전시킬 수 있는 기초를 제공하고 있습니다. 이런 연구 성과는 향후 딥네트워크를 활용한 메터러닝의 새로운 발전을 위한 토대를 제공해 주고 있습니다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 5
• 1) 연구수행 결과 ... 5
• 4. 연구개발성과의 관련 분야에 대한 기여 정도 ... 6
• 5. 연구개발성과의 관리 및 활용 계획 ... 7
• 6. 참고문헌 ... 7
• 끝페이지 ... 7