연구진은 복합적 위험 환경에서 시간-이벤트 데이터 모델링의 어려움을 해결하기 위해 SSH-Net(Structured Segmented Hazard Deep Neural Network)을 제안했어요.
SSH-Net은 데이터 구조에 맞춰 신경망 구조를 설계하고, 다양한 변수 그룹이 별도의 하위 네트워크를 통해 실패 예측에 영향을 미치도록 합니다.
Brier score, ROC 곡선 아래 면적(AUC), 예측된 누적 발생 함수 RMSE를 통해 성능을 검증했으며, Titan GPU 데이터 분석을 통해 실제 예측 능력도 입증했어요.