Skip to main content

Combining some Biased Estimation Methods with Least Trimmed Squares Regression and its Application

· 5 min read
Betül Kan-Kılınç
Ozlem Alpu

논문 정보​

  • 제목: Combining some Biased Estimation Methods with Least Trimmed Squares Regression and its Application
  • 저자: Betül Kan-Kılınç (Anadolu University), Ozlem Alpu (Eskisehir Osmangazi University)
  • 학회/저널: Revista Colombiana de Estadística
  • 발행일: 2015-07-01
  • DOI: 10.15446/rce.v38n2.51675
  • 주요 연구 내용: 회귀분석에서 다중공선성(multicollinearity)과 이상치(outlier) 문제가 동시에 발생할 때, 기존의 최소자승법(OLS)은 신뢰할 수 없는 결과를 낳는다. 이 연구는 이 두 문제를 동시에 해결하기 위해 강건 회귀(robust regression) 방법인 LTS(Least Trimmed Squares)와 다중공선성 해결을 위한 편향 추정(biased estimation) 방법인 Ridge 및 Liu 회귀를 결합하는 접근법을 제안한다. 또한, 이러한 강건 편향 추정법을 쉽게 적용하고 비교할 수 있는 R 패키지 ltsbase를 개발하여 소개한다.
  • 주요 결과 및 결론: 이상치를 포함하는 두 개의 실제 데이터셋(hbk, toxicity)을 대상으로 제안된 방법을 실험한 결과, LTS 기반의 Liu 추정법(LTS-Liu)이 OLS, Ridge, Liu, LTS-Ridge 등 다른 방법들보다 일관되게 가장 낮은 평균 제곱 오차(MSE)를 기록했다. 이는 다중공선성과 이상치가 공존하는 데이터에서 제안된 강건 편향 추정법이 매우 효과적임을 입증하며, 개발된 ltsbase 패키지가 실용적인 분석 도구로서의 가치가 있음을 보여준다.
  • 기여점: 다중공선성과 이상치 문제를 동시에 다루는 강건 편향 추정법(LTS-Ridge, LTS-Liu)의 효과성을 실증적으로 검증했다. 이 방법론을 사용자가 편리하게 이용할 수 있도록 R 패키지 ltsbase를 개발하고 그 기능을 상세히 소개하여 관련 연구 및 분석의 접근성을 높였다.

Cross-dataset learning and person-specific normalisation for automatic Action Unit detection

· 5 min read
Tadas Baltrušaitis
Cambridge University
Marwa Mahmoud
Cambridge University
Peter Robinson
Cambridge University

논문 정보​

  • 제목: Cross-dataset learning and person-specific normalisation for automatic Action Unit detection
  • 저자: Tadas Baltrušaitis, Marwa Mahmoud, Peter Robinson (Computer Laboratory, University of Cambridge, United Kingdom)
  • 학회/저널: IEEE International Conference on Automatic Face and Gesture Recognition (FG) 2015
  • 발행일: 2015
  • DOI: 10.1109/FG.2015.7284869
  • 주요 연구 내용: 실시간 AU(Facial Action Unit) 감지 및 강도 추정 시스템을 제안함. 외형(HOG) 및 기하학적(landmark) 특징을 사용. 개인별 중립 표정 차이를 보정하기 위해 간단한 중간값(median) 기반 특징 정규화 기법을 사용.
  • 주요 결과 및 결론: 제안한 시스템이 FERA 2015 챌린지의 3가지 태스크(AU 발생 감지, 완전 자동 AU 강도, 사전 분할 AU 강도 추정)에서 모두 기준선(baseline) 성능을 능가함. 여러 데이터셋을 함께 훈련(cross-dataset learning)하는 것이 일반화(generic) 모델 훈련에 이점을 보임.
  • 기여점: 특정 AU 감지 시 개인 맞춤형 중립 표정 정규화의 이점을 시연. 일반화 모델 훈련을 위한 다중 데이터셋 사용의 이점을 시연. 20-30fps로 실시간 실행 가능한 전체 AU 감지 파이프라인을 제시.

Generative Adversarial Nets

· 5 min read
Ian Goodfellow
Google Brain 연구원
Jean Pouget-Abadie
Mehdi Mirza
Bing Xu
David Warde-Farley
Sherjil Ozair
Aaron Courville
Yoshua Bengio

논문 정보​

  • 제목: Generative Adversarial Nets
  • 저자: Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio (Université de Montréal)
  • 학회/저널: arXiv preprint
  • 발행일: 2014-06-10
  • DOI: Not available in the provided text
  • 주요 연구 내용: 생성 모델(Generator, G)과 판별 모델(Discriminator, D)을 동시에 학습시키는 적대적 과정(adversarial process) 프레임워크를 제안함. 생성자는 실제 데이터와 유사한 데이터를 생성하도록 학습하고, 판별자는 주어진 데이터가 실제인지 생성된 것인지 구별하도록 학습하며, 두 모델은 서로 경쟁하며 성능을 향상시킴.
  • 주요 결과 및 결론: 제안된 프레임워크는 이론적으로 생성자가 실제 데이터 분포를 완벽하게 복제(pg=pdatap_g = p_{data})할 때 유일한 해가 존재함을 증명함. MNIST, TFD, CIFAR-10 데이터셋에 대한 실험을 통해 생성된 샘플의 질적, 양적 평가를 수행하여 프레임워크의 잠재력을 입증함.
  • 기여점: 기존 생성 모델들의 주요 난관이었던 다루기 힘든 확률 계산(intractable probabilistic computations) 문제를 회피함. 역전파(backpropagation)만으로 전체 시스템을 학습할 수 있으며, 학습이나 샘플 생성 과정에서 마르코프 연쇄(Markov chains)가 필요 없는 새로운 생성 모델 학습 패러다임을 제시함.

Img2UML: A System for Extracting UML Models from Images

· 4 min read
Bilal Karasneh
Michel R.V. Chaudron

논문 정보​

  • 제목: Img2UML: A System for Extracting UML Models from Images
  • 저자: Bilal Karasneh (Leiden University), Michel R.V. Chaudron (Chalmers and Gothenburg University)
  • 학회/저널: 2013 39th Euromicro Conference Series on Software Engineering and Advanced Applications (SEAA)
  • 발행일: 2013
  • DOI: 10.1109/SEAA.2013.45
  • 주요 연구 내용: JPG, PNG 등 이미지 파일로만 존재하는 UML 클래스 다이어그램을 자동으로 인식하고 분석하는 Img2UML 시스템을 제안함. 이 시스템은 이미지 처리, OCR, 관계 탐지 기술을 사용해 다이어그램의 픽셀 정보를 엔지니어링 모델 정보로 변환함.
  • 주요 결과 및 결론: 제안된 시스템은 200개의 이미지로 검증한 결과, 클래스 인식 95%, 텍스트 인식 92%, 관계 인식 80%의 정확도를 달성함. 이 시스템은 이미지화된 UML 모델을 StarUML과 호환되는 XMI 파일로 복원하여 문서 업데이트 및 학술 연구에 기여함.
  • 기여점: 기존에 불가능했던 픽셀 기반의 UML 다이어그램 이미지로부터 편집 가능한 엔지니어링 모델(XMI)을 추출하는 리버스 엔지니어링 도구를 개발함. 또한, 추출된 모델들을 저장하는 리포지토리를 구축하여 향후 UML 모델 코퍼스 연구의 기반을 마련함.

Automated fabric defect detection—A review

· 5 min read
Henry Y.T. Ngan
The University of Hong Kong 연구원

논문 정보​

  • 제목: Automated fabric defect detection—A review
  • 저자: Henry Y.T. Ngan, Grantham K.H. Pang, Nelson H.C. Yung (The University of Hong Kong)
  • 학회/저널: Image and Vision Computing
  • 발행일: 2011-02-27
  • DOI: 10.1016/j.imavis.2011.02.002
  • 주요 연구 내용: 본 논문은 최근의 자동화된 직물 결함 검출 방법들을 종합적으로 리뷰함. 연구들을 크게 비-모티프 기반(non-motif-based) 접근법과 모티프 기반(motif-based) 접근법으로 나누고, 다시 통계적, 스펙트럼, 모델 기반, 학습, 구조적, 하이브리드, 모티프 기반의 7가지 카테고리로 세분화하여 분석함.
  • 주요 결과 및 결론: 각 방법론의 검출 성공률, 강점, 약점을 비교 분석한 결과를 제시함. 특정 패턴 그룹(p1)에 특화된 방법들은 높은 성공률을 보이지만 일반성이 부족하며, 여러 패턴 그룹에 적용 가능한 모티프 기반 접근법은 일반성이 높지만 상대적으로 성공률이 약간 낮음. 향후 연구 방향으로 공통 참조 데이터베이스 구축, 하이브리드 접근법 개발, 실시간 적용을 위한 계산 효율성 향상 등을 제안함.
  • 기여점: 직물 결함 검출 연구에 대한 최신 동향을 제공하며, 7가지 클래스로 구성된 넓은 범위의 분류 체계를 제안함. 각 방법론에 대한 정성적 분석과 검출 성공률 데이터를 포함하여 비교 연구를 수행하고, 향후 연구 방향에 대한 통찰을 제공함.

Yarn Strength Prediction: A Practical Model Based on Artificial Neural Networks

· 4 min read
Rocco Furferi
University of Florence 연구원
Maurizio Gelli

논문 정보​

  • 제목: Yarn Strength Prediction: A Practical Model Based on Artificial Neural Networks
  • 저자: Rocco Furferi (University of Florence), Maurizio Gelli (New Mill S.P.A. Research Center)
  • 학회/저널: Advances in Mechanical Engineering
  • 발행일: 2010-06-17
  • DOI: 10.1155/2010/640103
  • 주요 연구 내용: 원사 강도 예측을 위해 피드포워드 역전파 인공신경망(FFBP ANN) 모델을 개발함. 이 모델은 전문가들이 통상적으로 측정하는 5가지 로빙 파라미터(원사 번수, 꼬임 수, 가중 평균 길이, 가중 평균 섬도, 가중 평균 강도)를 입력으로 사용하여 최종 원사의 강도를 예측함.
  • 주요 결과 및 결론: 개발된 ANN 모델을 98개의 데이터로 학습하고 50개의 새로운 데이터로 검증한 결과, 평균 예측 오차율 3.5%를 달성함. 이는 동일 데이터로 구축한 다중 선형 회귀 모델의 평균 오차율 5.55%보다 훨씬 우수한 성능임.
  • 기여점: 섬유 공정 전문가들이 실제 방적을 수행하기 전에 원사 강도를 빠르고 정확하게 예측할 수 있는 실용적인 도구를 제공함. 이를 통해 다양한 로빙 조합을 신속하게 테스트하여 시간과 비용을 절감하고, 최적의 원사 품질을 확보하는 데 기여함.

All You Ever Wanted to Know About Dynamic Taint Analysis and Forward Symbolic Execution (but might have been afraid to ask)

· 6 min read
Edward J. Schwartz
Thanassis Avgerinos
David Brumley

논문 정보​

  • 제목: All You Ever Wanted to Know About Dynamic Taint Analysis and Forward Symbolic Execution (but might have been afraid to ask)
  • 저자: Edward J. Schwartz, Thanassis Avgerinos, David Brumley (Carnegie Mellon University)
  • 학회/저널: 2010 IEEE Symposium on Security and Privacy (S&P 2010)
  • 발행일: 2010-05-16
  • DOI: 10.1109/SP.2010.37
  • 주요 연구 내용: 동적 테인트 분석(DTA)과 순방향 심볼릭 실행(FSE)을 언어의 런타임 시맨틱(runtime semantics) 확장으로 정밀하게 정의함. 이 형식화를 기반으로 두 기법을 보안 컨텍스트에서 사용할 때의 핵심 구현 선택지, 일반적인 함정(pitfall), 고려사항을 제시함.
  • 주요 결과 및 결론: DTA와 FSE는 강력하지만 'tainted address', 'control-flow taint', 'symbolic memory' 등 해결해야 할 근본적인 문제(undertaint, overtaint, 성능)를 가짐. 이 논문은 이러한 문제들을 명확히 정의하고 가능한 정책 및 해결 접근법(예: Tainted Addresses Policy, 정적 분석 보완)을 체계적으로 비교 분석함.
  • 기여점: DTA와 FSE에 대한 최초의 포괄적인 형식적 정의(formalization)를 제공함. 보안 연구자들이 공통적으로 겪는 한계와 구현상의 트레이드오프를 체계적으로 정리하여 '교과서' 역할을 하는 논문임.

Stacked Generalization

· 6 min read
David H. Wolpert

논문 정보​

  • 제목: Stacked Generalization
  • 저자: David H. Wolpert (Los Alamos National Laboratory)
  • 학회/저널: Neural Networks
  • 발행일: 1992-12-01
  • DOI: 10.1016/S0893-6080(05)80023-1
  • 주요 연구 내용: 여러 일반화기(generalizer)를 결합하거나 단일 일반화기의 성능을 향상시키기 위한 '스택 일반화(Stacked Generalization)' 프레임워크를 제안함. 이 방법은 원본 학습 데이터를 분할하여 생성된 예측값들을 새로운 학습 데이터로 삼아 상위 레벨의 일반화기를 학습시키는 2단계 구조를 가짐.
  • 주요 결과 및 결론: 두 가지 실험(함수 표면 피팅, NETtalk 음소 변환)을 통해 스택 일반화가 단일 일반화기나 전통적인 교차 검증(cross-validation) 기반의 '승자 독식' 방식보다 우수한 성능을 보임을 입증함. 거의 모든 실제 일반화 문제에서 스택 일반화를 사용하여 오류율을 최소화해야 한다고 결론지음.
  • 기여점: 일반화 오류를 줄이기 위한 새로운 방법론인 스택 일반화를 공식적으로 소개함. 기존의 교차 검증, 부트스트래핑, 단순 평균 등의 기법들이 스택 일반화 프레임워크의 특수한 경우임을 보여줌으로써, 보다 정교하고 일반적인 모델 결합 방식을 제시함.