베이지안 딥 커널 회귀 모형을 이용한 비정상 센서 자료 분석

초록

사물인터넷 (Internet of things, IoT)의 발전으로 다양한 분야에서 센서 데이터를 활용한 응용이 활발히 이루어지고 있다. 그러나 센서 데이터는 고차원성, 시공간적 상관 구조 등 복잡한 특성을 지니고 있어 효과적인 분석이 어렵다. 딥러닝 기반 모델은 이러한 비선형 구조를 잘 학습할 수 있는 장점이 있지만, 예측의 불확실성을 정량화하는 데 한계가 있다. 반면, 가우시안 과정 (Gaussian process, GP)을 기반으로 한 비모수 베이지안 회귀모형은 불확실성 추정이 가능하지만, 고차원 입력에 취약하다. 따라서, 본 논문에서는 딥러닝의 표현 학습 능력과 가우시안 과정 기반의 회귀모형의 불확실성 추정 능력을 결합한 베이지안 딥 커널 회귀 모형 (Bayesian deep kernel regression) 기법을 센서 자료 분석에 적용한다. 특히, 센서 데이터의 구조적 특성을 커널에 반영함으로써 예측 정확도와 신뢰도를 개선할 수 있음을 모의 실험과 실제 데이터를 통해 확인하였다.

키워드