핵심 개념
지능형 시스템의 안전 중요 사건 발생 확률을 정확하게 예측하여 실용적인 배치를 가능하게 하는 것이 핵심 목표이다.
초록
이 연구는 지능형 시스템의 안전 중요 사건 발생 확률을 정확하게 예측하기 위한 방법을 제안한다. 지능형 시스템의 안전 중요 사건은 매우 드물게 발생하는 문제로, 이를 "희귀성의 저주"라고 부른다. 기존 방법들은 안전 중요 사건을 과도하게 보수적으로 예측하거나 간과하는 경향이 있어 정확도와 재현율을 동시에 높이기 어려웠다.
제안 방법은 3단계로 구성된다:
- 비지도 학습 모델을 통해 명확히 비안전 사건으로 판단되는 샘플을 제거하여 데이터셋의 불균형 비율을 낮춤
- 향상된 BBN 기반 지도 학습 모델을 통해 1단계에서 구분하지 못한 샘플들을 추가로 분류
- 밀집 강화학습 기법을 통해 분류 모델의 안전 중요도 예측 정확도를 향상
실험 결과, 제안 방법은 기존 접근법에 비해 정확도와 재현율이 크게 향상되었으며, 극단적으로 불균형한 테스트 데이터셋에서도 우수한 성능을 보였다.
통계
달 착륙기 사례의 불균형 비율은 1.26 × 104
양다리 보행기 사례의 불균형 비율은 1.56 × 104
인용구
"지능형 시스템의 안전 중요 사건 발생 확률을 정확하게 예측하는 것이 실용적 배치를 위해 필수적이다."
"희귀성의 저주로 인한 극단적인 데이터 불균형이 이 문제의 핵심 도전과제이다."