국내 학회긴 하지만, 난 개인적으로 이때까지 한 연구 중에 이게 좋음
https://www.youtube.com/watch?v=3AJg79236-w
박사 학위 주제로 발전시키다가 특정 발전 수준까지를 중간에 개인적인 이유로 ICSV 31을 안 나가고, 대신 국내 학회에 KJ symposium이라는 곳에 제출한 컨퍼런스 논문이다.
제목은 다중 출력 분류 (MOC)를 모터 복합 결함 진단에 사용하는데, 여기에 일부 data만 labeling 된 상황의 target domain에 domain adaptation 하는 것까지 고려한 시스템 제안에 대한 논문이다.
물론 내 연구의 시발점이 된 연구는 이게 아니긴 한데 (즉, version 0은 따로 있는데) 이건 version 1이다.
직접적으로 compound fault가 언급되고, multi-output classification이 언급된다.
사실 version 2까지 완성되었고, 교수님과 논문 작성 작업만 지금 3달째 하고 있다. 논리를 견고하게 쌓아가는 중이다. 그래서 version1은 많이 사리고 있다.
요약하자면, 기존에 사용되는 다중 클래스 분류 모델 아키텍처보다 다중 출력 분류 모델이, 복합 결함의 조합 증가를 다루는데 결함 요소를 고립 시킴으로 유리하고, 이에 따라 클래스 간 간섭이 줄어들어 비지도 도메인 적응에 유리하다는 것이다. 또한 복합 결함의 각 결함 요소가 서로 동역학적으로 연관되어 있는데, 이렇게 연관된 물리량을 (결함 정도를) 분류하는 작업을 MTL로 진행하면, 상호 긍정적 영향을 주어 성능이 전반적으로 상승하기에 다중 출력 모델이 더 좋다고 서술했다. 물론, 다중 클래스 출력도 모든 결함 요소의 각 조합을 하나의 클래스로 매핑하기에, 영향을 학습한다고 볼 수 있으나, 이건 결함 요소 간 관계를 학습하기보단, 어느 정도 유사한 결함도 특징 공간에서 서로 너무 떨어뜨려 놓는 등의 물리적으로 의미 없는 비효율적 결정 경계를 학습하기에 일반화 성능 및 도메인 적응에 불리하다.
여기에 추가로 FLN이라고 하는, 주파수 레이어 정규화 기법을 제안했다. 모터 시스템의 각 결함 요소는 rpm에 선형 관계로 존재하기에, rpm에 지배적인 STFT가 보이고, 이런 STFT의 특징을 이용하여 FLN을 제안했다. 비교 실험으로는 배치 정규화, 레이어 정규화, 인스턴스 정규화 및 절제 실험으로 TLN이라는 시간 축 레이어 정규화를 진행하여했다.
실험 결과로는 다중 클래스 분류보다 다중 출력 분류가 복합 결함 진단에 유리했고, 다중 출력 분류와 함께 정규화 기법을 바꿔가며 실험해 보니, FLN이 기성 정규화 기법보다 성능이 좋았다.
그냥 짚고 넘어가고 싶었다. 왜냐하면, 후속, 즉 지금 힘줘서 쓰고 있는 논문은 이걸 기반으로 쓰기 때문에... 드디어 이걸 공개해도 된다는 게 좀 시원하면서도, 그걸 국내 학회에 낼 수밖에 없는 게 너무 아쉽다.