상세 보기
초록
고도로 발달된 개인 정보 식별 기술에 의해 개인에 대한 식별이 용이해지면서, 정보 사회에서 정보 주체의 권리를 보장할 수 있는 다양한 방안이 요구되고 있다. 연합학습은 이러한 요구에 의해 제안된 기계학습 방식으로 데이터를 비공개로 유지하면서 기계학습 알고리즘을 훈련하기 위한 특정 접근 방식이다. 본 논문에서는 개인정보보호 이슈에 민감한 의료 산업에 연합학습을 적용할 때 발생할 가능성이 있는 문제점을 파악하기 위해 망막 환자 데이터셋을 실제 의료기관이 데이터를 보유하고 있는 환경처럼 데이터 분포를 불균형하게 분할했다. 여기서 발생하는 클래스 불균형 문제에 다양한 학습 최적화 기법을 적용한 실험을 진행한 결과, 언더 샘플링 및 TopkAvg 기법을 적용한 실험에서 F1 score 0.96을 달성했으며, 학습 시간도 단축시켰다.
키워드
imbalance data; federated learning; sampling; optimization
- 제목
- 클래스 불균형 문제에 연합학습 적용을 위한 최적화 기법 연구
- 제목 (타언어)
- Study of Optimization Techniques to Apply Federated Learning on Class Imbalance Problems
- 저자
- 이현수; 홍성은; 방준일; 김화종
- 발행일
- 2021-01
- 유형
- Y
- 저널명
- 한국정보기술학회논문지
- 권
- 19
- 호
- 1
- 페이지
- 43 ~ 54