한국정보과학회 주최의 KCC 2026에서 연구실 소속인 권희재 학생이 연구 성과를 포스터 발표 하였습니다.

차량의 주행 패턴을 분석하고 오차를 보정하기 위한 연구 결과가 IEEE Trans. on Consumer Electronics 에 게재되었습니다.

운전자의 조작 패턴 시계열 데이터를 딥러닝으로 분석하고, 해당 패턴이 엔진 부품 열화에 미치는 영향을 규명하는 현대자동차 산학 공동연구를 시작 

고도화된 시간적 임베딩(Temporal Embedding) 프레임워크를 설계하여, 복잡한 시계열 데이터의 효율적인 처리와 정밀한 예측 모델을 연구합니다. 

대규모 산업용 센서 데이터 스트림에서 핵심 변수를 필터링(Feature Selection)하고, 학습 환경의 데이터 오염 제약 사항을 고려한 강건한 이상 탐지 알고리즘을 개발합니다. 

대규모 시계열 데이터로 사전 학습(Pre-training)을 수행하여, 예측(Forecasting), 분류(Classification), 이상 탐지 등 다양한 하위 작업에 범용적으로 적용할 수 있는 거대 시계열 아키텍처를 연구합니다.