초록 ▼

□ 연구개요
본 연구는 분류문제(classification problem)의 해결을 위한 기계학습모델을 휴리스틱(heuristic) 기법을 활용하여 고도화시키는 연구에 관한 내용이다. 구체적으로, 앙상블 모델링(ensemble modeling)을 위한 부스팅 (boosting) 알고리즘에 사용되는 손실함수(loss function)의 종류를 다양화시키고, 그 과정을 효율화함으로써, 최종 분류모델의 정확도와 안정성을 향상시키는 알고리즘 개발을 목표로 하였다.

□ 연구 목표대비 연구결과
본 연구의 결과를 제안서의

□ 연구개요
본 연구는 분류문제(classification problem)의 해결을 위한 기계학습모델을 휴리스틱(heuristic) 기법을 활용하여 고도화시키는 연구에 관한 내용이다. 구체적으로, 앙상블 모델링(ensemble modeling)을 위한 부스팅 (boosting) 알고리즘에 사용되는 손실함수(loss function)의 종류를 다양화시키고, 그 과정을 효율화함으로써, 최종 분류모델의 정확도와 안정성을 향상시키는 알고리즘 개발을 목표로 하였다.

□ 연구 목표대비 연구결과
본 연구의 결과를 제안서의 세부 연구 목표별로 요약하면 아래와 같다.
1. 휴리스틱 알고리즘을 활용한 파라미터(k) 추정
FlexBoost의 최적 손실함수 결정에 요구되는 연산 복잡도 문제를 해결하기 위해 유전자 알고리즘(Genetic algorithm) 및 ACO(Ant Colony Optimization) 알고리즘을 고도화시켰다.

2. 약-분류기(weak-classifier) 당 하나의 K값 부여
기존 하나의 K-파라미터를 적용하는 방법론의 한계를 극복하고자 약-분류기마다 최적의 K-파라미터를 탐색하여 강-분류기를 구성하는 알고리즘을 개발하였다. 1번 세부 연구 목표와 연계하여 데이터 복잡도 지수를 활용하여 K-파라미터의 탐색 범위를 제한하는 방향으로 휴리스틱 모형을 설계하였다.

3. 룰-기반 속성추출 및 최적 샘플사이즈 결정
데이터 속성(분포의 직교성)과 분류 성능 사이의 관계를 규명하여 데이터 전처리 과정에서 부정적인 속성추출을 방지할 수 있는 접근방법을 도출하였다.

□ 연구개발성과의 활용 계획 및 기대효과(연구개발결과의 중요성)
본 연구는 기계학습 분야에서 보편적으로 연구되고 있는 앙상블 모델링의 성능 향상을 도모하는 동시에, 운영 효율성을 확보할 수 있는 내용이다 연구 결과 손실 함수의 유연성을 바탕으로 한 FlexBoost는 AdaBoost 대비 평균 약 5%의 분류 정확도 향상을 보였으며, 데이터 분포를 고려한 전처리 방법을 적용한 RolexBoost는 FlexBoost 대비 약 3%의 추가 성능향상을 보였다. 또한 휴리스틱 방법을 통해 연산 복잡도를 단축시킨 내용은 의사결정 나무 기반의 분류기뿐 아니라 다양한 기본-분류기(base-classifier)에도 확대적용이 가능할 것이다.
본 연구를 통해 개발된 새로운 접근방법의 실증을 위해 다양한 산업에서 응용연구를 이어가고 있다. 예를 들어, 생명보험 산업에서는 최소한의 확인 사항을 바탕으로 신규고객의 손해율을 예측하는 모형을 개발하였고, 화학 공정에서 가상 계즉(virtual me1;rology)을 구현하여 최대 18시간 전에 현재 공정 조건에서 생산될 최종 제품의 품질을 1% 내외의 오차로 예측하는 모형을 개발하였다

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 6
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 6
• 1) 정성적 연구개발성과(연구개발결과) ... 6
• 2) 세부 정량적 연구개발성과 ... 8
• 3) 목표 달성 수준 ... 9
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 9
• 5. 연구개발성과의 관리 및 활용 계획 ... 9
• 6. 자체점검표 ... 10
• 7. 참고문헌 ... 11
• [붙임1] 세부 정량적 연구개발성과 ... 12
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 13
• 끝페이지 ... 25