분류 전체보기 (4) 썸네일형 리스트형 5G DNA(Digital Network Automation) 기술 개발 - 연구결과 (3) 안녕하세요! 5G DNA* 기술 개발 (*Digital Network Automation)이라는 주제로 SKT AI Fellowship 4기에 참여하게 된 팀 DNA(다나와) 입니다. 프로젝트를 시작한게 엊그제 같은데 벌써 5개월간의 여정이 마무리 되었습니다. 중간 과정(2) 글에서 저희가 개발한 모델에 대한 상세한 설명을 드렸었기 때문에 이번 글에서는 달라진 점과 좀 더 넓은 관점에서를 중점으로 그동안의 연구 내용을 설명드리고자 합니다. 연구 목표 이전 글을 통해 저희의 연구 목표는 설명가능한 인공지능을 통한 무선망 운용 최적화라고 말씀드렸습니다. 망 안정성 확보를 위해서 선제적 무선망 품질관리가 필수적입니다. 저희는 선제적 무선망 품질관리를 달성하기 위해 예측 기반 관제 시스템을 구축하고, 그 모델에.. 5G DNA(Digital Network Automation) 기술 개발 - 연구과정(2) 안녕하세요! 5G DNA* 기술 개발 (*Digital Network Automation)이라는 주제로 SKT AI Fellowship 4기에 참여하게 된 팀 DNA(다나와) 입니다. 프로젝트를 시작한게 엊그제 같은데 벌써 중반부를 넘어가고 있습니다. 처음 연구계획 글을 작성할 때만 하더라도 추상적으로 "어떠어떠한 특징을 가진 모델을 만들겠다" 정도를 보여드린 것 같은데 이러한 모델을 만들기 위해 다양한 관련 논문 survey 및 회의를 통해 어느정도 목적을 이룬 저희 팀의 모델을 완성하였고, 이에 대한 중간 발표까지 마치게 되어 기쁩니다. 저희 팀의 경우 현재 저희 모델을 만들어 내기까지 survey한 논문들 중 중요한 논문들에 대해 이해가 뒷받침될 수 있도록 데보션에 관련 내용을 담은 블로그 글을 작.. Variational AutoEncoder의 이해(feat.딥러닝의 확률 관점의 해석) (Bayesian Theory과 Auto Encoder에 대한 기본적인 이해가 있다는 가정하에 작성되는 글입니다.) 머신러닝,딥러닝에서 Loss에 대한 확률적인 해석. 우리가 알고 있는 classic한 딥러닝 학습과정은 다음과 같습니다. 먼저 학습 데이터를 통해 training DB를 구성하고 $f_\theta(x)$로 표현되는 사용할 모델 구조를 정합니다. DNN,CNN,RNN 등을 예로 들 수 있습니다. 이때 모델의 파라미터 $\theta$는 사용하는 모델에 맞게 결정됩니다. 예를 들어 DNN을 사용한다면 각 층의 W와 b가 파라미터입니다. Loss는 정답인 y와 출력인 $f_\theta(x)$의 다른 정도를 나타내며 Mean Square Error, Cross Entropy 와 같이 다양한 loss.. 논문 리뷰_RETAIN : An Interpretable Predictive Model for Healthcare using Reverse Time Attention Mechanism (NIPS 2016) 안녕하세요! 5G DNA* 기술 개발 (*Digital Network Automation)이라는 주제로 SKT AI Fellowship 4기에서 활동 중인 팀 DNA(다나와) 입니다. 이전 연구 계획 글에서 저희 팀의 목표는 네트워크로부터 수집되는 빅데이터를 이용하여 고객의 체감을 개선하는 것으로, 이를 위해 서비스 품질 예측 모형을 개발하고자 한다고 전해드렸습니다. 특히, 해당 모델은 일반적으로 결과에 대한 해석이 불가능한 인공지능 모델에서 한 단계 발전하여 결과에 대한 해석이 가능하다는 점을 강조 드렸는데요, 이러한 모델을 구현해내기 위해 저희 팀에서는 다양한 관련 논문에 대해 survey를 진행하고 그 중 중요한 논문에 대해서는 내부 세미나를 진행하고 있습니다. 앞으로 Fellowship활동 기간 .. 이전 1 다음
