인공지능 모델 성능 저하 막는 학습 기술 개발
2024년 03월 26일 오후 5:11
인공지능 모델의 성능 저하 현상에 효과적으로 대응할 수 있는 학습 기술이 개발됐습니다.
UNIST 김성일, 임동영 교수팀은 시간 순서에 따라 연속적으로 수집된 '시계열 데이터'가 외부 요인의 변화에도 영향을 받지 않도록 하는 학습 기술을 개발했다고 밝혔습니다.
시계열 데이터는 외부 요인에 의해 '데이터 드리프트' 현상이 발생하는데 이는 인공지능 모델의 성능이 떨어지는 원인이 됐습니다.
연구팀은 신경망 구조 설계에 대한 새로운 방법론을 개발하고 이에 따라 설계한 세 가지 신경 확률 미분 방정식 모델을 시험한 결과, 다양한 작업을 수행할 때 안정적이고 우수한 성능을 나타냈다고 설명했습니다.
YTN 사이언스 이동은 (delee@ytn.co.kr)
UNIST 김성일, 임동영 교수팀은 시간 순서에 따라 연속적으로 수집된 '시계열 데이터'가 외부 요인의 변화에도 영향을 받지 않도록 하는 학습 기술을 개발했다고 밝혔습니다.
시계열 데이터는 외부 요인에 의해 '데이터 드리프트' 현상이 발생하는데 이는 인공지능 모델의 성능이 떨어지는 원인이 됐습니다.
연구팀은 신경망 구조 설계에 대한 새로운 방법론을 개발하고 이에 따라 설계한 세 가지 신경 확률 미분 방정식 모델을 시험한 결과, 다양한 작업을 수행할 때 안정적이고 우수한 성능을 나타냈다고 설명했습니다.
YTN 사이언스 이동은 (delee@ytn.co.kr)
[저작권자(c) YTN science 무단전재, 재배포 및 AI 데이터 활용 금지]
