본 논문은 CPS-IoT 애플리케이션에서 고차원 의사결정을 가능하게 하는 복합 이벤트(CEs) 탐지에 초점을 맞추고 있습니다. 기존 모델들이 단기간 인지 작업에 집중하는 것과 달리, 본 논문은 장기간 추론이 필요한 CE 탐지를 위해 세 가지 접근 방식(1. 거대 언어 모델 활용, 2. CE 규칙을 학습하는 다양한 신경망 아키텍처 활용, 3. 신경망 모델과 기호 엔진을 통합하는 신경상징적 접근 방식)을 제시하고 평가합니다. 장기간의 노이즈가 많은 센서 데이터와 무관한 원자 이벤트(AEs) 필터링의 어려움에도 불구하고, 상태 공간 모델인 Mamba가 정확도와 미지의 긴 센서 추적에 대한 일반화 측면에서 다른 방법들을 능가하는 결과를 보였습니다. 이는 상태 공간 모델이 장기 추론 작업을 위한 CPS-IoT 기반 모델의 강력한 기반이 될 수 있음을 시사합니다.
