과제 상세정보
목록Few-shot 분별을 위한 불확실성 기반 메타러닝 밸런싱 기법
작성자
관리자
조회수
43
등록일
2024-05-21
사업 정보
| 내역사업 | 글로벌박사펠로우십사업 |
|---|
과제 기본정보
| 과제명 | Few-shot 분별을 위한 불확실성 기반 메타러닝 밸런싱 기법 | ||||
|---|---|---|---|---|---|
| 과제고유번호 | 1345341813 | ||||
| 부처명 | 교육부 | ||||
| 시행계획 내 사업명 | |||||
| 시행계획 내 사업유형 | 예산출처지역 | 대전광역시 | 사업수행지역 | 대전광역시 | |
| 계속/신규 과제구분 | 신규과제 | ||||
| 과제수행연도 | 2021 | 총연구기간 | 2019-03-01 ~ 2022-08-31 | 당해연도 연구기간 | 2021-09-01 ~ 2022-08-31 |
요약 정보
| 연구목표 | 본 연구에서는 Few-shot 다중클래스 분별을 위한 메타러닝 (Meta-learning)과 그에 수반되는 불확실성을 다루어 모델의 성능을 향상하는 기법을 제시한다. 기존의 메타러닝 기법과 달리 본 연구에서는 새롭게 제안되는 메타러닝 밸런싱 기법을 통해 여러 실제 시나리오에서 생길 수 있는 다양한 타입의 불확실성을 다루고자 한다. 첫째, 일반적인 메타러닝 ... | ||
|---|---|---|---|
| 연구내용 | 본 연구는 대표적인 Gradient-based 메타러닝 기법인 Model Agnostic Meta-Learning (MAML)을 기반으로 한다. 메타러닝 프레임워크에 기반한 MAML 모델의 목표는 현재 주어진 모든 태스크에 공동적으로 포함된 정보를 글로벌 모델 파라미터 에 축적하고, 이로부터 단 수 회의 gradient descent 업데이트 이내에 각 태... | ||
| 기대효과 | 본 연구를 통해, 첫째, 기존의 메타러닝 관습을 효용성 측면에서 크게 개선할 것으로 기대된다. 기존의 메타러닝 프레임워크가 상당히 비현실적인 가정에 기반함과 달리 본 연구에서 풀고자 하는 문제와 방안은 실제 상황에 빈번히 관찰되는 여러 불일치/불균형을 해결하기 위해 고안된 것이다. 따라서 제안된 모델이 실제로 성능을 향상시키는 것으로 밝혀질 경우 단순히 메... | ||
| 키워드 | 인공지능, 기계학습, 메타러닝 | ||
위탁/공동여부 정보
| 단독연구 | 기업 | 대학 | 국공립(연)/출연(연) | 외국연구기관 | 기타 |
|---|---|---|---|---|---|
|
기술 정보
| 연구개발단계 | 기초연구 | 산업기술분류 | |
|---|---|---|---|
| 미래유망신기술(6T) | 기타 | 기술수명주기 | |
| 연구수행주체 | 학 | 과학기술표준분류 | 인공물 > 정보/통신 > 정보이론 > 인공지능 |
| 주력산업분류 | 적용분야 | 전문, 과학 및 기술서비스업 | |
| 중점과학기술분류 | 과제유형 |
과제수행기관(업) 정보
| 과제수행기관(업) 정보 | 과제수행기관(업)명 | 한국과학기술원 | 사업자등록번호 | |
|---|---|---|---|---|
| 연구책임자 | 소속기관명 | 한국과학기술원 | 사업자등록번호 | |
| 최종학위 | 박사 | 최종학력전공 | 공학 |
사업비
| 국비 | 10,375,000 | 지방비(현금+현물) | 0 |
|---|---|---|---|
| 비고 | |||