2019 대한산업공학회 추계학술대회 - 김준홍
대한산업공학회
작성자
관리자
작성일
2020-03-12 13:57
조회
932
김준홍 - 2019 대한산업공학회 추계학술대회 후기
2019년 11월 8일에 서울대학교 38, 39동에서 개최된 산업공학회에 다녀왔습니다.
청취한 발표와 그에 대한 후기는 아래와 같습니다.
[1] Missing data imputation with adversarial autoencoders
결측 문제는 실 상황에서 빈번히 맞이하게 되는 문제입니다.
그에 대한 원인으로는 시스템의 경제적 상황으로 인한 이유, 데이터 merge시 발생하는 timestamp간격의 차이, 분산 처리시스템에서의 트레픽 쏠림현상 으로 인한 원인 등 실제 분석시 전처리에 많은 영향력을 주는 문제입니다.
본 발표에서는 latent space의 distribution 기반 sampling을 하였습니다. 실험은 UCI dataset으로 사용하셨으며, 기존 방법론보다 실험적으로 좋은 부분도 있고 비슷한 부분도 있었습니다.
개인적으로 실천해보고자 하는 점은 해당 model based imputation 방식은 record기준으로 산발적으로 발생하는 missing value의 feature가 소수일 경우 이 또한 class unbalance 문제로 전체 성능대비 떨어질 것 같다는 생각이 들었습니다. 실제로 구현해 보고 결과를 보면서 경험을 좀 더 쌓아야 되겠다는 생각을 하였습니다.
[2] Explainable wafer bin map classification via hierarchical feedforward attention networks
WBM defeat pattern문제를 분류하고 defeat에 대한 부분을 시각화 하는데에 NLP에서 많이 다루는 hierarchical attention network를 사용하였습니다.
데이터는 Binary map으로 오픈되어 있고 가장 많이 사용하는 WM-811k 데이터셋을 사용하였습니다. 현재 WM-811k 데이터셋은 잘 훈련된 CNN네트워크로 현재 97%이상의 성능을 산출합니다.
일반적으로 Map pattern classification은 하나의 맵이 독립적으로 하나의 패턴을 가지고 있다고 가정합니다. 특히 해당 데이터 셋은 10개 미만의 패턴을 가지고 있습니다.
해당 발표에서는 실제로 Bad pattern을 나타낼 때, 독립적으로도 보지만, 공정상에서 비슷한 부분을 샘플링하고 특이한 패턴을 잡거나 (ex LOT단위), 특정 기준으로 샘플링한 상황에서 불량을 라벨링 하는 방식을 가정한 것으로 이해하였습니다.
그래서 5개의 Binary map을 넣고 attention을 하는 방식으로 진행하였습니다. 회사의 관점에서 relation한 정보를 기준으로 attention을 하게 되면 좋겠다는 생각이 들었습니다.
[3] 군집분석을 통한 서울시 공공자전거 수요예측
해당 연구는 서울시 자전거의 정류장에 대한 수요 예측을 하는 문제로 진행된 연구였습니다.
먼저 정류장에 대하여 경도위도에 대하여 유클리디언 거리에 대한 클러스터링을 하고 수요예측을 하였습니다. 실제로 이동하는 경로에 대한 거리를 생각한다면 정류장에 대한 유클리디언 거리보다는 실제 도로 거리가 더 정확할 것 같다는 생각을 하였습니다. 예를 들어 한강 건너있는 정류장과 건너지 않는 정류장의 유클리디언 거리가 같을 수 있지만 도로거리로는 큰 차이가 있을 수 있기 때문입니다. 그리고 트레픽에 대한 정보를 더 반영하고 최적화 문제로 풀면 실제로 사용할 수 있는 재미있는 문제라고 생각했습니다.
[4] Robust deep autoencoder를 활용한 공정 프로세소에서의 이상탐지
Autoencoder를 통한 Anomaly Detection (AD)을 많이 사용하지만, 실제로 Autoencoder는 AD문제에 특화된 loss가 아니기 때문에 일반적인 이상치 탐지 알고리즘에서 풀 수 있는 문제를 탐지하지 못하는 상황을 2차원의 다양한 예제로도 보여줄 수 있고, 이에 대한 연구들이 많이 있었습니다. 본 발표에서는 Autoencoder에서 R-PCA의 개념을 가져온 Robust deep autoencoder를 통하여 reconstruction error를 통한 성능향상을 실험적으로 보여줬습니다.
개인적으로 Time-series novelty detection에 관심이 많고 이에 대한 resonable한 sequence에 대하여 샘플링 하는 문제를 풀고 있어서 재미있게 정취 하였습니다.
마지막으로, 우리 연구실에서 처음으로 발표하는 친구들의 발표를 청취하였습니다.
[1] Conv-LSTM을 활용한 유의파고, 파향, 파주기 추정
[2] Temporal convolutional network를 활용한 단기 전력 수요 예측
[3] 샴 네트워크와 연상작용을 활용한 문장 유사도 판별
산업공학회는 이전부터 공정 등의 실 문제를 접근하는 연구들이 많았고 이번에도 다양한 문제를 청취할 수 있었습니다. 산업 공학도로써 어디서 어떤 문제가 발생하고 어떤식으로 접근하고 있는지를 알 수 있는 하루였습니다.
감사합니다.
2019년 11월 8일에 서울대학교 38, 39동에서 개최된 산업공학회에 다녀왔습니다.
청취한 발표와 그에 대한 후기는 아래와 같습니다.
[1] Missing data imputation with adversarial autoencoders
결측 문제는 실 상황에서 빈번히 맞이하게 되는 문제입니다.
그에 대한 원인으로는 시스템의 경제적 상황으로 인한 이유, 데이터 merge시 발생하는 timestamp간격의 차이, 분산 처리시스템에서의 트레픽 쏠림현상 으로 인한 원인 등 실제 분석시 전처리에 많은 영향력을 주는 문제입니다.
본 발표에서는 latent space의 distribution 기반 sampling을 하였습니다. 실험은 UCI dataset으로 사용하셨으며, 기존 방법론보다 실험적으로 좋은 부분도 있고 비슷한 부분도 있었습니다.
개인적으로 실천해보고자 하는 점은 해당 model based imputation 방식은 record기준으로 산발적으로 발생하는 missing value의 feature가 소수일 경우 이 또한 class unbalance 문제로 전체 성능대비 떨어질 것 같다는 생각이 들었습니다. 실제로 구현해 보고 결과를 보면서 경험을 좀 더 쌓아야 되겠다는 생각을 하였습니다.
[2] Explainable wafer bin map classification via hierarchical feedforward attention networks
WBM defeat pattern문제를 분류하고 defeat에 대한 부분을 시각화 하는데에 NLP에서 많이 다루는 hierarchical attention network를 사용하였습니다.
데이터는 Binary map으로 오픈되어 있고 가장 많이 사용하는 WM-811k 데이터셋을 사용하였습니다. 현재 WM-811k 데이터셋은 잘 훈련된 CNN네트워크로 현재 97%이상의 성능을 산출합니다.
일반적으로 Map pattern classification은 하나의 맵이 독립적으로 하나의 패턴을 가지고 있다고 가정합니다. 특히 해당 데이터 셋은 10개 미만의 패턴을 가지고 있습니다.
해당 발표에서는 실제로 Bad pattern을 나타낼 때, 독립적으로도 보지만, 공정상에서 비슷한 부분을 샘플링하고 특이한 패턴을 잡거나 (ex LOT단위), 특정 기준으로 샘플링한 상황에서 불량을 라벨링 하는 방식을 가정한 것으로 이해하였습니다.
그래서 5개의 Binary map을 넣고 attention을 하는 방식으로 진행하였습니다. 회사의 관점에서 relation한 정보를 기준으로 attention을 하게 되면 좋겠다는 생각이 들었습니다.
[3] 군집분석을 통한 서울시 공공자전거 수요예측
해당 연구는 서울시 자전거의 정류장에 대한 수요 예측을 하는 문제로 진행된 연구였습니다.
먼저 정류장에 대하여 경도위도에 대하여 유클리디언 거리에 대한 클러스터링을 하고 수요예측을 하였습니다. 실제로 이동하는 경로에 대한 거리를 생각한다면 정류장에 대한 유클리디언 거리보다는 실제 도로 거리가 더 정확할 것 같다는 생각을 하였습니다. 예를 들어 한강 건너있는 정류장과 건너지 않는 정류장의 유클리디언 거리가 같을 수 있지만 도로거리로는 큰 차이가 있을 수 있기 때문입니다. 그리고 트레픽에 대한 정보를 더 반영하고 최적화 문제로 풀면 실제로 사용할 수 있는 재미있는 문제라고 생각했습니다.
[4] Robust deep autoencoder를 활용한 공정 프로세소에서의 이상탐지
Autoencoder를 통한 Anomaly Detection (AD)을 많이 사용하지만, 실제로 Autoencoder는 AD문제에 특화된 loss가 아니기 때문에 일반적인 이상치 탐지 알고리즘에서 풀 수 있는 문제를 탐지하지 못하는 상황을 2차원의 다양한 예제로도 보여줄 수 있고, 이에 대한 연구들이 많이 있었습니다. 본 발표에서는 Autoencoder에서 R-PCA의 개념을 가져온 Robust deep autoencoder를 통하여 reconstruction error를 통한 성능향상을 실험적으로 보여줬습니다.
개인적으로 Time-series novelty detection에 관심이 많고 이에 대한 resonable한 sequence에 대하여 샘플링 하는 문제를 풀고 있어서 재미있게 정취 하였습니다.
마지막으로, 우리 연구실에서 처음으로 발표하는 친구들의 발표를 청취하였습니다.
[1] Conv-LSTM을 활용한 유의파고, 파향, 파주기 추정
[2] Temporal convolutional network를 활용한 단기 전력 수요 예측
[3] 샴 네트워크와 연상작용을 활용한 문장 유사도 판별
산업공학회는 이전부터 공정 등의 실 문제를 접근하는 연구들이 많았고 이번에도 다양한 문제를 청취할 수 있었습니다. 산업 공학도로써 어디서 어떤 문제가 발생하고 어떤식으로 접근하고 있는지를 알 수 있는 하루였습니다.
감사합니다.
전체 0
댓글을 남기려면 로그인하세요.
전체 323
| 번호 | 제목 | 작성자 | 작성일 | 추천 | 조회 |
| 323 |
2025 ICLR - 김재희
Jaehee Kim
|
2025.05.12
|
추천 0
|
조회 28
|
Jaehee Kim | 2025.05.12 | 0 | 28 |
| 322 |
2025 ICLR
Hun Im
|
2025.05.02
|
추천 0
|
조회 59
|
Hun Im | 2025.05.02 | 0 | 59 |
| 321 |
2025 ICLR - 박진우
Jinwoo Park
|
2025.04.28
|
추천 0
|
조회 81
|
Jinwoo Park | 2025.04.28 | 0 | 81 |
| 320 |
2024 NeurIPS - 김재희
Jaehee Kim
|
2024.12.20
|
추천 0
|
조회 406
|
Jaehee Kim | 2024.12.20 | 0 | 406 |
| 319 |
2024 NeurIPS - 박진우
Jinwoo Park
|
2024.12.19
|
추천 0
|
조회 256
|
Jinwoo Park | 2024.12.19 | 0 | 256 |
| 318 |
2024 Neurips - 임훈
관리자
|
2024.12.18
|
추천 0
|
조회 288
|
관리자 | 2024.12.18 | 0 | 288 |
| 317 |
2024 ACL - 김재희
Jaehee Kim
|
2024.12.09
|
추천 0
|
조회 178
|
Jaehee Kim | 2024.12.09 | 0 | 178 |
| 316 |
2024 CVPR - 정기윤
Kiyoon Jeong
|
2024.12.03
|
추천 0
|
조회 176
|
Kiyoon Jeong | 2024.12.03 | 0 | 176 |
| 315 |
2024 KDD - 강형원
Hyeongwon Kang
|
2024.12.02
|
추천 0
|
조회 168
|
Hyeongwon Kang | 2024.12.02 | 0 | 168 |
| 314 |
2024 KDD - 김도윤
Doyoon Kim
|
2024.12.02
|
추천 0
|
조회 197
|
Doyoon Kim | 2024.12.02 | 0 | 197 |
Data Science & Business Analytics Lab.
Department of Industrial Engineering, College of Engineering,
Seoul National University
Contact Us
- 강필성 교수 (pilsung_kang@snu.ac.kr)
서울특별시 관악구 관악로 1 서울대학교 공과대학 39동 301호 - 대학원 연구실 (총무 허재혁 : jaehyuk.heo@snu.ac.kr)
서울특별시 관악구 관악로 1 서울대학교 공과대학 39동 411호