[첨단 헬로티] 이 글에서는 필자가 최근 발전이 현저한 기계학습, 특히 심층학습 등으로 대표되는 데이터 구동형 연구 방법을 활용해 대응하고 있는 것, 발전을 기대하고 있는 것을 주제로, 제어·로봇 연구에 있어 이들 방법론의 방향에 대해서 다루기로 한다. 우선 문제의식을 공유하기 위해 필자의 배경을 잠깐 언급해 두려고 한다. 필자는 비선형 제어와 로보틱스를 전문으로 하고, 특히 이동 로봇의 설계와 제어에 관심을 가지고 있는 연구자이다. 보통 먼저 하는 것은 운동방정식을 세우는 것으로, 기계 링크계의 운동방정식에서 도출되는 비교적 저차원으로 비선형인 벡터장(ẋ=f(x))을 주된 상대로 하고 있었다. 즉, 정보량이 적은 단순 모델에서 거동을 이끌어내는 연역적인 연구 스타일을 주로 하고 있었다. 지배 법칙은 거의 완전히 알고 있기 때문에 실험을 하는 경우에도 겨우 소수의 파라미터를 동정하기만 하면 된다. 그 내용도 대체로 재현성이 높은 것이 많아, 실험은 이른바 이론의 데몬스트레이션으로 파악하고 있었기 때문에 현상 그 자체나 데이터에 대한 의식은 희박했다고 자백한다. 그러나 이동 로봇의 연구를 계속하는 가운데, 로봇 본체보다 그 ‘
[첨단 헬로티] 이미지 계측 기술의 진보에 의해 자연과학의 여러 분야에서 동태 이미징이 새로운 연구의 조류를 형성하고 있다. 예를 들면 생물학 주변 분야에서는 현미경 기술의 발전에 따라 이미징 데이터의 고정세화, 다차원화(공간, 시간, 파장)가 추진되어, 각 연구기관에서 매일 축적되는 데이터량은 계속 증가하고 있다. 이러한 많은 이미징 데이터 세트에서 생물학적으로 중요한 정보를 정량화하는 정보과학적·수리통계학적인 방법의 확립을 목표로 하는 연구는 바이오 이미지 인포매틱스라고 불리며, 2000년경부터 생물학의 새로운 구동력으로 주목을 받게 됐다. 생물학 분야뿐만 아니라, 기존의 수작업에 기초한 해석으로는 도달할 수 없는 과학적 발견을 이끌어내는 것은 현대의 데이터 과학에 부여된 중요한 과제이다. 한편, 화상공학 분야에서는 디플래닝을 비롯한 지도 기계학습이 다양한 인식 작업으로 브레이크스루를 창출하고 있다. 이러한 방법론은 자연과학 분야의 데이터 해석, 특히 앞에서 말한 동태 이미지 해석에도 널리 응용될 것으로 기대된다. 그렇지만 데이터로부터의 귀납적 접근은 현상의 시공간 발전을 지배하는 원리의 해명을 목표로 하는 자연과학 분야와는 문제 설정이 일치
[첨단 헬로티] 최근의 인공지능·기계학습 붐에 편승해 지도 분류학습, 회귀학습, 심층학습, 강화학습 등의 ‘메이저’인 기계학습 문제·방법은 널리 알려지게 됐지만, 동적 시스템 학습(learning dynamical systems)이라는 장르는 독자 여러분에게 그다지 익숙하지 않을지도 모른다. 더구나 기계학습의 커뮤니티에서도 동적 시스템 학습이라는 분야가 인지되어 확고한 지위를 구축했다고는 하기 어렵다. 그러나 ‘시스템 동정 문제에 대한 기계학습적인 접근’이라고 표현하면, 동 학회의 여러분들은 대체적인 분위기를 파악할 수 있지 않을까 생각한다. 대부분의 기계학습 입문서에는 ‘데이터 샘플 {x1, x2,..., xn}은 서로 독립 또는 동일한 분포를 따른다(independent and identically distributed; i.i.d.)고 가정한다’라고 밝힌 다음, 지도 학습(분류학습, 회귀학습)이나 비지도 학습(클러스터링, 차원 감소 등)의 설명을 전개한다. 즉 기계학습에서는 샘플끼리 독립인 것이 기본이지만, 그렇지 않은 경우 즉 샘플끼리의 순서관계나 시계열성을 명시
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 11월 22일 11시 56분
