게재
Privacy-preserving transfer learning framework for building energy forecasting with fully anonymized data 논문이 2026년 6월 Applied Energy에 실렸습니다.
저자: 최원준(전남대학교), 이상원(다트워크), Max Langtry·Ruchi Choudhary(케임브리지대학교). 최원준·이상원이 공동 1저자입니다.
무엇을 했나
전이학습은 데이터가 적은 건물이 다른 건물의 데이터를 빌려 쓰게 해 줍니다. 그런데 어느 건물을 빌려 올지 고르려면 보통 건물 용도·규모 같은 메타데이터가 필요하고, 익명화된 데이터에는 그것이 없습니다. 이 프레임워크는 익명화된 시계열에서 유사도를 직접 학습해 빌려 올 건물을 고릅니다.
실제 건물 89곳에서 예측 오차(MSE) 중앙값을 27–31% 줄였고, 356개 전이 조합의 99.2%에서 결과가 좋아졌습니다. 통신량은 연합학습의 0.51%면 충분합니다.