High-Dimensional Regression Models and Causal Structure Learning under Measurement Error
이공학학술연구기반구축(R&D) · 박사과정생연구장려금지원
2026년
2340053093
교육부
한국연구재단
서울대학교
신동욱
1명
2026.03.01 ~ 2027.02.28
2025.09.01 ~ 2027.08.31
2,500만원
2,500만원
기초연구
대학
서울특별시 관악구
수학 > 통계 방법론·계산 > 다변량통계
측정 오차가 존재하는 고차원 데이터에서 기존 방법론보다 완화된 가정을 이용하여 모형을 추정하는 방법론을 개발하고, 이를 인과 구조 추론에 적용해 측정 오차 하에서의 인과 구조에 대한 제약조건을 완화한 선형 구조방정식 학습 알고리즘을 개발하는 것이 본 연구개발과제의 최종 목표이다.
... (eg., Zhang et al., 2017; Saeed et al., 2020). 이러한 매우 강한 조건들은 현실 세계에 적용되기 어려우며, 고차원 측정 오차 모형에서의 DAG 학습 알고리즘은 부재한 상황이다. 이에 따라 현실 세계의 복잡성을 충분히 반영하면서도, 현대 빅데이터 환경에서 요구하는 고차원 상황에서도 적용 가능한 구조 학습 알고리즘을 개발하고자 한다.
본 연구과제를 통해 개발된 측정 오차 하에서의 고차원 회귀모형 및 인과 구조 학습 방법론들은 측정 오차가 내재되었다고 알려진 데이터를 명확히 분석하는데 유용하게 활용될 수 있다. 구체적으로 다음과 같은 활용 방안을 예상할 수 있다.유전체 데이터 적용: 서로 다른 배치(batch)에서 샘플링된 마이크로 어레이 데이터는 프로브 간 결합 효율 차이, 측정 기기의 부정확성 ...