전체작품 보기
정준표
Federated Learning 방식을 활용한 Edge Computation Offloading 방식
IoT의 디바이스의 수는 기하급수적으로 증가하고 있다. 디바이스에서 생성되는 데이터 또한 엄청나게 증가하고 있고 각각의 디바이스에서 데이터를 인공지능적으로 처리하기 위한 기계학습 기법들이 진행되고 있다. 하지만 학습을 하기위한 디바이스의 자원적 한계와 더불어 엄청난 수의 디바이스에서 생성되는 데이터는 디바이스의 엄청난 자원낭비를 초래하고 이를 해결하기 위해 computation offloading을 진행시 무선채널에서의 엄청난 데이터 전송량과 서버의 자원을 필요로 할 것이다. 이를 해결하기 위해 FL(Federated Learning)을 활용하여 최대의 통신 효율성을 끌어내기 위한 다양한 방식을 실험하여 최적의 방식을 연구한다.
이동진
IEEE 802.11 Vehicle Network환경에서 Q-learning도입과 Back-off 알고리즘 개선
기술이 발전하면서 자율주행이 가능한 시대가 다가오고 있다. 자율주행 자동차의 네트워크 환경 중 하나인 VANETs (Vehicle Adhoc Networks)환경에서는 탑승자의 안전과 직결되기 때문에 데이터 전송에 대한 신뢰도가 매우 중요하게 여겨진다. 차량 간 통신의 품질을 보장하기 위해 기존의 IEEE 802.11 에서 사용하는 backoff 과정에서 알고리즘을 개선하고 Q-learning 를 이용한 학습을 통해 Contention Window를 보다 더 효율적으로 관리 할 수 있었다.
전혜진
올바른 뉴스 소비를 위한 지식 시각화 서비스
인터넷 뉴스 소비가 늘어나면서 뉴스의 본문과 댓글은 독자들의 사고에 적지 않은 영향을 미친다. 이때 대표적인 네이버 뉴스의 경우, 서비스가 제공하는 여러 단서들은 독자가 여론을 지각하는 데에 부정적인 영향을 끼치기도 한다. 따라서 기존의 방식에 더하여 추가 정보를 습득할 수 있고 편향되지 않은 단서들을 보여주는 여러 요소들을 통해 뉴스 소비자들이 보다 올바르고 쉽게 정보를 소비할 수 있도록 하고자 한다.
남성찬
Wireless propagation model classifier using DNN and TL
무선 채널 모델링 선행 연구는 2가지의 한계점이 존재한다. 첫째, 전파 모델을 LOS와 NLOS 두가지로 한정하여 무선 채널모델링을 진행하므로 다양한 전파 환경을 나타낼 수 없다. 둘째, 각 연구에서 제안하는 CIR 추출 데이터가 모든 상황에 활용되기 위한 범용성이 부족하다. 따라서, 나의 연구에서는 첫번째 한계점을 해결하기 위해서 전파모델을 LOS와 NLOS 이외에 다른 전파모델도 추가했으며, 두번째 한계점을 해결하기 위해서 CSI 데이터를 이용해 deep learning을 진행했다. 마지막으로, 데이터 수집장소가 바뀌면 사전에 학습한 머신 모델이 제대로 동작하지 않는 문제점을 해결하기위해 transfer learning을 이용했다.
신정호
Interpretable Machine Learning Model in Bioinformatics
다양한 도메인에서 딥러닝 / 머신러닝 모델이 좋은 성능을 보이고 있지만 그 결과에 대한 이유 혹은 해석을 명확하게 제시하지는 못하고 있습니다. 더군다나 이러한 해석이 생명에 직접적으로 영향을 미치는 생물정보학 분야에서는 해석이 제시되지 못하는 이유로 좋은 성능을 보이는 딥러닝 모델을 적용하지 못하고 있고 이러한 문제점을 해결하고자 하는 연구입니다. 환자가 지니고 있는 특정 암에 대해서 유전자 발현량을 바탕으로 어떤 유전자가 암에 발병을 유발시켰는지를 파악하는 방향으로 진행하였고, 이 과정에서 환자가 지닌 유전자 데이터를 토대로 환자의 발병 암의 종류를 분류하는 문제로 성능을 평가하였습니다. 즉, 특정 암에 대하여 서로 다른 유전자간의 영향을 해석하여 제공한 연구입니다.
강지은
Computer vision을 활용한 interaction force estimation 모델 성능 개선
Haptic sensor를 사용하지 않고, computer vision을 사용하여 interaction force estimation 모델 성능을 개선하는 모델을 구현하였다. 기존의 딥러닝 구조의 한계를 극복하기 위해 3D CNN에 self-supervised learning을 결합하여 모델을 제작하였다. Qualitative evaluation, average error, 각 class에 대한 RMSE, rotate 모델에 대한 RMSE등을 분석하였고, 실험 결과 기존 supervised model을 사용한 것보다 self-supervised 모델을 사용하였을 때 70% 정도로 에러가 준 모습을 볼 수 있었다.
윤준성
ChatBot용 비유 생성 모델 설계
최근 기술이 발전하면서, 챗봇에게 서비스를 제공받는 경우가 늘어났다. 챗봇의 정보를 제공하고 사용자의 편의를 돕는 기능은 크게 발전했지만, 아직 챗봇이 사람처럼 능숙하게 대화하는것은 어렵다. 이는 챗봇의 표현력이 사람의 그것을 따라잡지 못해서 생긴 문제점으로 챗봇의 기능 덕분에 생활이 편리해진 것은 사실이지만, 챗봇의 표현력을 보강해야된다는 것도 명백하다. 본 연구에서는 챗봇의 어휘력을 개선하기위해, 인간이 가장 흥미를 느끼는 비유(Metaphor)를 적용하여, 기존의 문장을 개선하는 모델을 제안한다.
김재학
GPU를 활용한 BlazingSQL및 RAPIDS에 대한 성능 분석
최근 데이터베이스 및 데이터 분석 업무들은 CPU가 아닌 GPU를 활용하여 성능을 최적화하려는 시도가 많이 일어나고 있다. 그 중 BlazingSQL은 RAPIDS.AI라는 open source를 바탕으로 만들어진 SQL 엔진으로, 기존 Apache Spark보다 20배 빠른 속도로 실행된다고 알려져 있다. 따라서 본 연구에서는 BlazingSQL과 RAPIDS의 성능을 기존 SQL 엔진과의 비교를 통해 분석하고 이해하고자 한다.
자료집 바로가기