[인공지능신문] AI ( Learning Method : Stratification Learning(활층 분할 학습) - 데이터의 기하학적 구조를 활용하는 새로운 머신러닝 방법 )

# keypoint

여러 목적 함수(평가 지표)를 동시에 최적화하는 다목적 최적화 문제의 해답을 효율적 접근하기 위해 데이터 공간 구조를 활용해 학습을 효율화 하는 새로운 AI 학습 밥법 '활층 분할 학습(Stratification Learning)' 개발

머신러닝·딥러닝 등 최신 AI 기술을 공유하는 AAAI 2020, American Association for the Artificial Intelligence에서 발표

기존 : 다목적 최적화 문제의 해결에 접근하기 위한 방법으로 응답 곡면 방법이 있었지만, 이러한 방법은 해집합의 기하학적 구조(활층, 滑層)를 잡을 수 없었고 많은 훈련 데이터(최적화 계산)가 필요.

본 기술 : 정밀도를 통계적 점근론(Asymptotic Theory)에 입각해 규명한 '추출에 따른 근사법', '층화 추출에 따른 근사법'

장점

• 1. 훈련 데이터(그 생성은 실험이나 시뮬레이션을 수반하는 높은 비용 최적화 계산이 필요)를 절감하여 제품 설계 프로세스를 간소화

• 2. 다양한 설계안을 망라할 수 있어 혁신적인 디자인을 자동 발견

• 3. 향후 비즈니스 과제를 대상으로 한 실증 실험과 제품 설계 이외에도 시설 배치 문제 및 모델링 등 과제에 응용도 기대
  

아쉬운 점 : 기존보다 적은 훈련 데이터에서 정밀하게 접근할 수 있음을 실험적으로 나타내고 있었는데 그 근사 정도에 대해서 이론적인 검증은 없으며, 어느 정도 학습에 필요한 데이터 수를 줄일 수 있을지는 알 수 없었다.

# 참고 논문 : '베지어 심플렉스 피팅의 비증상 위험도(Asymptotic Risk of Bézier Simplex Fitting)' - 아카이브(2019.09.)

# 참고 : http://www.aitimes.kr/news/articleView.html?idxno=15480 

새로운 AI 학습 방법 '활층 분할 학습(Stratification Learning)' 개발 - 인공지능신문

출처 : 인공지능신문(http://www.aitimes.kr)