세계 최고의 컴퓨터 컨퍼런스 중 하나인,

ICML(ICML : International Conference on Machine Learning) 논문 선정

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.