|
조서영 연구원은 ALTBI(Adaptive Loss Truncation with Batch Increment)라는 새로운 방법론을 제시했다. 이 방법론은 정상치 기억 효과(Inlier-Memorization Effect)를 극대화하여 훈련 데이터 내 이상치를 정밀하게 탐지하는 데 중점을 둔다. ALTBI는 특히 이상치 비율이 낮을 때 정상치 기억 효과가 두드러진다는 점에 착안하여 미니배치 사이즈의 점진적인 증가와 모델의 손실 함수에 맞춤형 임계값 기법을 적용하여 새로운 이상치 탐지 스코어를 제시한다.
연구팀이 방대한 실험과 이론적 분석을 통해 개발한 이 기술은 기존의 딥러닝 기반 이상치 탐지 기법들과 비교해 높은 계산 효율성과 우수한 성능을 보인다. 또한, 데이터 품질 관리, 사기 탐지, 네트워크 보안 등 다양한 분야에서 효과적으로 활용될 것으로 기대를 모으며 학계의 주목을 받았다.
조서영 연구원은 “성신여대의 연구 역량을 보여줄 수 있는 다양한 기술 개발에 매진하겠다”는 소감을 전했다.
한편 AAAI는 전 세계 인공지능 연구자들이 최신 성과를 발표하는 세계 최고 권위의 학술대회다. 올해는 총 1만2957편의 논문이 제출되었으며 그 중 3032편이 발표 논문으로 선정됐다.