* 연구과제 최종목표
- 표형식 수치 제조 데이터에 적합한 기계학습 알고리즘을 개발하고 실제 설비의 자율제어를 실현하여 개발된 알고리즘을 실증함

* 연구내용
- [1차년도, 2차년도] 제조 특화 학습 기술이 갖추어야 하는 조건으로서 단조성(Monotonicity), 지속성(Sustainability), 해석력(Interpretability)을 정의하고, 각 조건을 만족하는 또는 복수의 조건들을 만족하는 학습 알고리즘을 개발함.
- [3차년도] 도금량 제어, 공조시스템 제어와 같은 실제 설비 제어 상황을 준비하여, 1차년도와 2차년도에 개발한 학습 알고리즘을 활용하여 예측 모형을 학습하고 대상 설비의 자율제어를 실현함. 모티브 사례와 같이 설비 제어를 최적화 문제로 정식화하여 풀이함으로써 수행

* 세부주제
- Scalable Monotonic Neural Networks
- Interpretable Monotonic Neural Additive Models
- Monotonic Natural Gradient Boosting
- Temporal Peak-Management and Clustering (TPMC) System
- Domain Adaptation for Regression under Covariate and Concept Shifts
- Continual Learning Using Heterogeneous Matrix Factorization
- Mixture of Locally Monotonic Experts
- Continual Learning of Monotonic Neural Networks under TPMC System
- More