[2026-04-20 | Data Frontier] 한눈에 보는 AI x 비즈니스 분야 연구 동향

📖 Journal of Big Data - 1건

MGO-CRNN: a bio-inspired deep learning framework for accurate phonocardiogram classification

연구진은 심장 질환을 조기에 진단하기 위해 심음도(phonocardiogram, PCG) 신호를 정밀하게 분류하는 하이브리드 인공지능 모델인 MGO-CRNN을 개발했다. 이 모델은 합성곱 신경망(convolutional neural network, CNN)과 순환 신경망(recurrent neural network, RNN)을 결합한 구조에 산가젤 최적화(mountain gazelle optimization, MGO) 알고리즘을 적용해 초매개변수를 자동으로 조정한다. 또한 심장 박동의 시작점을 정확히 찾아내는 피크 탐지 기술과 데이터 불균형 문제를 해결하는 합성 소수 오버샘플링 기법(synthetic minority over-sampling technique, SMOTE)을 활용해 분석의 정확도를 대폭 높였다. 파스칼(PASCAL) 데이터셋에서 정확도를 기존 54.23%에서 99.67%까지 끌어올렸으며 피지오넷(PhysioNet) 2022 데이터셋에서도 99.99%의 높은 성능을 기록했다. 이 연구는 기존의 수동적인 매개변수 설정 방식보다 효율적인 최적화 기법을 제시함으로써 실시간 심장 선별 검사와 임상 의사결정 지원을 위한 신뢰성 있는 기술적 토대를 마련했다.

바로가기

📖 Journal of Artificial Intelligence Research - 1건

Partial Minimum Satisfiability: Fine-Grained Analysis

연구진은 부분 최소 충족 가능성(partial minimum satisfiability, Partial Min-SAT) 문제의 최악 시간 복잡도를 규명하여 알고리즘의 한계를 명확히 했다. 강력 지수 시간 가설(strong exponential time hypothesis, SETH)을 바탕으로 절의 개수가 m개일 때 O*(2 - ε)^m이라는 하한선을 도출했다. 기존 SAT나 최대 충족 가능성(maximum satisfiability, Max-SAT) 문제로 변환하는 방식보다 효율적인 경우가 많지만, 정작 문제 자체의 복잡도는 그동안 베일에 싸여 있었다. 이번 성과는 이 문제를 풀기 위한 매개변수화된 정확한 알고리즘(parameterized exact algorithm)의 성능 개선 가능성을 제시하며, 복잡도 분석의 공백을 메웠다는 점에서 가치가 크다.

바로가기