멀티에이전트 통신 및 네트워크 연구실의 이주홍 박사과정 학생과 박형곤 교수의 논문 “SV-SAE: Layer-wise Pruning for Autoencoder Based on Link Contributions”가 IEEE Access 저널에 게재되었다.

본 논문은 엣지 디바이스 환경에서의 딥러닝 모델 사용을 위한 경량화 알고리즘을 제안하였다. 특히, 본 연구에서는 비지도학습 모델인 오토인코더에 특화된 가지치기(Pruning) 방법을 고안하였다. 링크와 노드의 중요도를 기반으로 상대적으로 중요하지 않은 부분을 가지치기하여, 모델의 추론 정확도를 유지하면서 연산량을 줄였다. 특히, 링크와 노드의 중요도를 계산할 때 Shapley value를 사용함으로써, 경량화된 모델에 설명가능성(Explainability)를 부여하였다. 또한, 대칭적인 인코더-디코더 구조에 적합한 가지치기 임계값과 순서를 설정함으로써 모델의 효율성을 높였다. 제안한 방식을 활용하면 상당히 적은 연산 자원으로도 오토인코더의 데이터 복원 성능을 유지할 수 있음을 실험으로 입증하였다.

본 논문이 게재된 IEEE Access는 전자전기공학, 컴퓨터 과학, 신호 처리 등 다양한 분야의 최신 연구를 신속하게 공개하는 우수한 SCIE 저널이다 (IF 3.9).