모멘트 기반 투영의 온라인 변화 감지: 딥러닝 모델 재학습 및 포트폴리오 업데이트 시점 결정

딥러닝 모델 학습에는 막대한 계산 자원이 소모되므로 모델의 성능 저하를 실시간으로 감지하여 최적의 재학습 시점을 결정하는 것이 중요하다. 본 연구는 네트워크 예측의 변화를 순차적으로 모니터링하여 예측이 더 이상 유효하지 않을 때만 재학습을 트리거하는 방법론을 제안한다. 이는 고차원 비정상 시계열 데이터에 적용 가능하며 투영된 2차 모멘트의 변화를 감지하는 통계적 기법을 기반으로 한다. 이를 통해 불필요한 재학습을 방지함으로써 계산 비용을 크게 줄이고 지속 가능한 그린 딥러닝을 구현할 수 있다.