AI 기술 블로그 - 불완전한 웨어러블 센서 데이터에서 학습하는 새로운 방법

이 자료는 구글 연구의 한 부서에서 발표한 논문인 **"LSM-2: 불완전한 웨어러블 센서 데이터 학습"**에 대한 개요를 제시합니다. 본문은 웨어러블 기기에서 발생하는 누락된 데이터라는 일반적인 문제를 다루며, 이는 장치 제거, 충전, 또는 센서 고장과 같은 이유로 인해 발생합니다. **적응형 및 상속형 마스킹(AIM)**이라는 새로운 자기 지도 학습 접근 방식을 소개하며, 이는 누락된 데이터를 채우려 하기보다 데이터의 자연스러운 부분으로 취급하여 불완전한 데이터에서 직접 학습합니다. AIM은 LSM-2라는 대규모 센서 모델의 개발로 이어졌고, 이 모델은 이전 모델보다 건강 상태 분류, 데이터 재구성, 그리고 연속적인 건강 지표 예측과 같은 다양한 작업에서 향상된 성능을 보여줍니다. 이 연구는 웨어러블 기술이 실제적이고 불완전한 데이터를 처리하는 능력에 있어 상당한 발전을 의미합니다.