세계 최고의 컴퓨터 컨퍼런스 중 하나인, ICML(ICML : International Conference on Machine Learning) 논문 선정

*다변수 트래픽 예측 데이터셋 기준 세계 최상위(PeMSD7 2위, PEMS-BAY 5위)

선정된 연구의 핵심은,  입력 변수와 출력 변수 사이의 mapping을 위한 특징 공간 탐색 시에, 출력 변수들 사이의 의존성(covariance)이 입력 변수의 특징 벡터들에 직접적으로 반영될 수 있는 특징 공간의 선택적 탐색을 가능하게 하는 목적 함수를 제안하고 있으며, 해당 목적 함수를 통한  neural network 최적화는 보다 정확하고, 잡음에 강건한 학습 및 예측이 가능함을 다양한 실제 데이터셋에 대한 정량 및 정성 평가를 통해 증명하고 있습니다.

해당 연구는 현재 인이지가 적용중인 M-INEEJI 솔루션이 산업 설비에서 생산되는 시계열 데이터 등에 적용되어 보다 정확한 예측을 가능하게 하고 있으며, 이러한 연구를 통해 보다 더 많은 산업설비에 M-INEEJI의 솔루션이 적용될 수 있을 것으로 기대합니다.