Continual Learning for Non-Euclidean Graph-Structured Data with Empirical Validation in Medical Domain
이공학학술연구기반구축(R&D) · 박사과정생연구장려금지원
2026년
2340065215
교육부
한국연구재단
연세대학교
문형준
1명
2026.09.01 ~ 2027.02.28
2026.09.01 ~ 2027.08.31
1,250만원
1,250만원
기초연구
대학
서울특별시 서대문구
정보/통신 > 정보이론 > 인공지능
비유클리드 그래프 구조 데이터에서 새로운 클래스(질환, 이상 패턴, 화합물 종류 등)가 순차적으로 추가되는 환경에서, catastrophic forgetting 없이 기존 지식을 보존하면서 새로운 태스크를 학습하는 그래프 연속학습 프레임워크를 개발하고 검증한다. 검증된 방법론을 확장하여 fMRI 기반 뇌질환 진단에 적용하여 실증한다. 정량적 목표로, 기존 ...
본 연구는 크게 두 가지로 구성된다. Track A에서는 그래프 벤치마크 상에서 방법론의 일반적 유효성을 검증하고, Track B에서는 이를 의료 영상 도메인으로 확장하여 실세계 적용 가능성을 실증한다.[Track A] 그래프 수준 연속학습 방법론 개발 Track A의 핵심 아이디어는 EDD [5]의 이중 메모리 구조를 그래프 임베딩 공간에서 재정의하는 것...
개발하고자 하는 방법은 태스크 수 증가에 따른 메모리 오버헤드가 선형이 아닌 로그 수준으로 억제되며, 전체 재학습 대비 연산 비용을 최대 80% 절감할 수 있을 것으로 기대된다. 이는 6종 뇌질환 순차 학습 기준으로 약 5배의 학습 시간 단축에 해당한다. 기대되는 활용 방안은, 첫째, 의료 AI 실용화 측면에서, 전체 재학습 없이 새로운 질환 모듈을 추가할...