시계열 데이터 분석 위한 새 프레임워크 제안…고려대 AI학과

고려대 인공지능학과 석흥일 연구팀
‘IEEE Transactions on Pattern Analysis and Machine Intelligence’ 게재

[이데일리 김현아 기자]

(왼쪽에서) 정승우 석박사통합과정 학생(인공지능학과/제 1저자), 석흥일 교수(인공지능학과/교신저자)

고려대 인공지능학과 석흥일 교수와 정승우 석박사통합과정 학생의 연구 논문이 인공지능 분야 영향력 지수(Impact Factor: 23.6) 상위 1% 이내의 세계적 권위를 가진 ‘IEEE Transactions on Pattern Analysis and Machine Intelligence’에 지난 9월 28일 온라인 게재됐다.

이 논문은 시계열 데이터 분석을 위한 연속적 위상 공간 학습 인공지능 기술 개발에 대한 것이다.

시간 경과에 따른 데이터 동작 특성 처리 기술

시계열 데이터 분석은 다양한 분야에서 중요한 역할을 한다.

하지만, 주로 정적인 통계 모델을 사용하는 기존의 시계열 데이터 분석 모델은 데이터의 동적 특성과 다양한 변수 간의 복잡한 상호작용을 처리하는데 한계가 있다.

이번 연구에서의 핵심 목표는 시간 경과에 따른 데이터의 동적 특성과 다양한 변수 간 상관관계를 다루는 인공지능 기술을 개발하는 데 있다.

특히 시계열 데이터의 고차원 정보를 위상 공간상의 표현으로 매핑하고, 미분방정식을 활용하여 데이터를 모델링하는 것을 특징으로 한다.

연속적인 위상 공간은 데이터의 고차원 특성을 낮은 차원으로 사상해 데이터 간의 관계를 이해하는 데 도움을 주며 유용한 패턴을 보다 효율적으로 식별할 수 있는 장점이 있다.

▲ 제안하는 시계열 데이터 분석을 위한 프레임 워크

또한, 데이터 처리 시 ‘Riemannian 공간’과 ‘Cholesky 공간’이라는 수학적 개념을 활용한다.

이를 통해 데이터를 효과적으로 처리하고 학습하는 알고리즘을 제시한다. 이러한 방식을 통해 데이터를 다루기 어려웠던 공간에서의 데이터 모델링에 대한 혁신적인 접근법을 제시한다.

연구 결과에 따르면, 본 발명 기술은 분류, 예측, 누락 데이터 처리와 같은 다양한 시계열 데이터 작업에서 기존 모델보다 우수한 성능을 보였으며, 다양한 응용 시나리오에 유연하게 적용할 수 있음을 입증했다. 위상 공간에서의 모델링에 대한 새로운 가능성도 열었다.

▲ 고차원 데이터의 표현학습과정에서 Manifold 공간과 Euclidean 공간에서의 차이점

연구 책임자 및 논문의 교신 저자인 석흥일 고려대 인공지능학과 교수는 “인공지능 기반 시계열 데이터 모델링에서의 핵심 원천 기술을 개발함으로써 의료·헬스케어, 환경, 에너지, 뇌공학 등 분야에서의 응용을 위한 세계적 기술 선도를 위한 성과를 이뤘다고 할 수 있다”고 의의를 밝혔다.

논문이 게재된 ‘IEEE Transactions on Pattern Analysis and Machine Intelligence’는 2022년 JCR(Journal Citation Reports)에서 인공지능 분야 SCIE 저널 144개 중 2위로 평가된 세계 최고 수준의 권위 있는 국제전문학술지다.

이번 연구는 과학기술정보통신부의 ‘(BCI-2세부) 딥러닝을 이용하여 사람의 의도를 인지하는 BCI 기반 뇌인지 컴퓨팅 기술 개발’, ‘(2세부) 의사결정 지원을 위한 퓨샷 학습 기반 시각 및 언어에 대한 인과관계 추론 기술 개발’, ‘인공지능대학원 지원사업’ 과제의 지원을 받아 수행됐다.

[이데일리 문승용 기자]

김현아 (chaos@edaily.co.kr)