Foundation Model for High-Dimensional Sparse Linear Regression:GSRN(Gram-Structured Regression Network)
이공학학술연구기반구축(R&D) · 석사과정생연구장려금지원
2026년
2340066252
교육부
한국연구재단
연세대학교
이현지
1명
2026.09.01 ~ 2027.08.31
2026.09.01 ~ 2027.08.31
1,200만원
1,200만원
응용연구
대학
서울특별시 서대문구
수학 > 통계 방법론·계산 > 선형모형
본 연구의 최종목표는 고차원 데이터 환경에서 sparse linear regression 문제를 효과적으로 해결할 수 있는 foundation model인 GSRN(Gram-Structured Regression Network)을 개발하는 데 있다. 이를 위해 데이터 구조를 반영하여 penalty function과 tuning parameter를 데이터 적...
본 연구에서는 sparse linear regression 기반 foundation model 개발을 위해 다음과 같은 연구를 수행하고자 한다.첫째, 고차원 sparse regression 문제를 위한 학습 데이터 생성 체계를 구축한다. 이를 위해 표본 수, 변수 수, sparsity level, 설명변수 간 상관구조, noise level, signal ...
... 아니라 신뢰구간 평가, 변수선택의 안정성 분석, 예측 불확실성 평가 등 반복 통계 분석 전반의 계산 효율성을 크게 높일 수 있을 것이다. 궁극적으로 본 연구는 통계모형의 해석 가능성과 딥러닝 기반 모델의 계산 효율성을 결합한 새로운 형태의 고차원 회귀 분석 framework를 제시함으로써, 통계학과 인공지능의 융합 연구를 확장하는 데 기여할 것으로 기대된다.