Embedded Files
Bayesian Learning
Bayesian Learning
베이지안 학습은 불확실성을 정량화하고, 동적인 환경에서도 안정적인 추론을 가능하게 하는 확률적 학습 프레임워크입니다.
우리 연구실은 변분추론(Variational Inference), 입자 기반 베이지안 연합학습(Particle-based Bayesian Federated Learning), 그리고 연합 언러닝(Federated Unlearning) 기법(예: Forget-SVGD)을 연구하여 분산 인공지능 시스템의 신뢰성·프라이버시·적응성을 향상시키고 있습니다.
Federated Learning
Federated Learning
연합학습은 여러 클라이언트가 데이터를 공유하지 않고도 협력적으로 모델을 학습할 수 있게 하는 기술입니다. 우리 연구는 Resource-Aware Sparsification 등을 통해 확장성과 효율성을 높이는 데 초점을 맞추고 있습니다.
Trustworthy AI
Trustworthy AI
Trustworthy AI를 목표로, Federated Learning/Distributed AI 환경에서 발생하는 공격(누설·오염·적대적 조작) 과 이에 대한 방어(강인 학습·검증·완화) 를 함께 연구합니다.
또한 Federated Unlearning, Bayesian 기반 불확실성 추정을 결합해 성능뿐 아니라 신뢰성,책임성,보안성을 동시에 만족하는 학습 프레임워크를 설계합니다.
6G communication and Fading channels
6G communication and Fading channels
확률적 채널 모델링, 보안 통신, BER/용량 분석 등을 수행하며, 특히 α-κ-μ, Fisher–Snedecor, Two-Ray 등 복합 페이딩 모델을 기반으로 한 Closed-form Analysis 에 대한 연구를 진행합니다.
또한 이동형 안테나 배열(Movable Antenna Array) 및 UAV 기반 통신 경로 최적화를 통해 에너지 효율적·보안성 높은 6G 비지상 통신 프레임워크를 연구하고 있습니다.
Page updated
Google Sites
Report abuse