[#1] 졸업과제 시작 - Bayes Net를 이용한 Context Awareness 모델

드디어 졸업과제를 차차 시작하고 있다. 

왜 졸업과제를 여름방학때부터 시작해서 9월까지 마치도록 프로세스를 짜 놓았는지는 아직도 우리 과에 대해 의문이지만... 

일단 열심히 하면서 하나씩 이 블로그에 정리해보고자 글을 쓰기 시작해 본다.

---

1. 상황인지 모델

- IOT(Internet of Things)의 발달로 스마트홈 기반의 많은 네트워크 기기들이 발명되어지고 있다. 이러한 스마트한 IOT 기기들을 기반으로서 일명 똑똑한 집, 스마트 홈이라는 단어들을 요즘 많이 들어볼 수 있다. 이러한 스마트홈은 자동화를 지원하는 개인 주택의 의미로서 미국에서는 Domotics라 불리기도 한다. 똑똑한 집이 필수적으로 알아야하는 것이 있다면, 바로 사용자의 행동(상황) 인식이다. 영어로는 Context Awareness.

- 집 안에서 사용자의 행동을 분석하는 방법에는, 여러 IOT 기기와 사용자의 행동 사이에는 일련의 인과관계가 있다라는 생각에서 시작한다. 예를 들면, 아주 스마트한 Dining Room Light가 On되어 있고, 또 다른 스마트한 Gas Range가 On되어 있다는 정보를 스마트홈이 알고 있다면, 이 사용자는 요리(Cook) 중이라고 판단할 수 있게 되는 것이다. 

Dining RoomLight	Gas Range	상황
On	On	Cooking

하지만, 물론 아닐 수 있다. 예를 들면 요리를 하다가 가스를 끄지 않고 밖에 나갈 수도 있고, 잠시 TV를 볼 수도 있기 때문이다. 그렇기에 우리는 충분한 데이터를 토대로 꽤나 정확한 인지를 위해 이 스마트한 홈을 학습(Learning)시킬 필요가 생기게 된다.

- 꽤나 정확한 상황인지를 할 수 있게 되면, 이걸로 무얼할 수 있을까? 생각해보면 정말 다양한 신종 서비스들이 가능하게 된다. 예를 들면, 

 

▶사용자 맞춤형 자동 온도 조절기(이미 미국에서는 넥스트라는 제품이 시중에 널리 사용되고 있다. 구글에서 크게 인수를 하기도)

▶사용자 상황에 따른 자동 수행 로봇 청소기(우리 학교 연구실에서 이미 논문을 낸바 있다)

▶사용자 맞춤형 오디오

▶사용자 맞춤형 자동 보안 시스템

2. Bayesian Network

- 앞서 스마트한 IOT들과 사용자의 상태사이에는 인과관계가 있다고 생각한다고 하였으며, 또한 충분한 데이터를 통해 학습(Learning)을 진행한다고 하였다.

- 여러가지 머신 러닝(Machine Learning)기법이 있지만, 인과관계를 잘 표현할 수 있는 학습 기법에는 Bayesian Network(베이지안 네트워크)라는 학습이 있다. 가장 간단하게 설명하면, 방향성 비순환 그래프로서, 각 상황들과 기기들의 상태를 노드(Node)로 표현하고 인과관계를 간선(Edge)로 표현하여 네트워크 모델을 만든 뒤, Bayes의 조건부 확률로서 Query에 대한 특정 노드의 확률을 구해 추론(Inference)하는 학습기법이다. 

A simple Bayesian network. 

Rain influences whether the sprinkler is activated, 

and both rain and the sprinkler influence whether the grass is wet.

- 그리하여 최종적으로 내가 하고자 하는 것 Bayesian Network를 이용하여 사용자 상황인식 모델을 만들고, 학습을 통해 꽤나 정확한 상황인지를 할 수 있도록 하는 것이다. 또한 기본적은 Simple Bayesian Network에서의 정확도와 각각의 상태에 대한 Naive Bayes 모델로서도 정확도를 측정해보아 어떤 모델이 좀 더 높은 정확도를 보이는지 비교 및 분석 할 예정이다. 

---

다음 포스팅에서는 Bayesian Network의 학습에 앞서 학습 도구 중의 하나로서 Weka 라는 프로그램에 대해 다뤄보고자 한다.