최희열 연구실
한동대학교 전산전자공학부
최희열 교수
최희열 교수 연구실
홈
최희열 연구실
한동대학교 전산전자공학부 최희열 교수
본 연구실은 기계학습과 딥러닝을 중심으로 자연어 처리와 기계번역, 학습이론 및 최적화, 지능형 네트워크 관리와 이상 탐지 등 다양한 인공지능 핵심 분야를 연구하며, 표현학습과 신경망 구조 설계에 대한 이론적 탐구를 실제 시스템과 서비스 문제에 연결하는 응용 중심의 융합 연구를 수행하고 있다.
대표 연구 분야
연구 영역 전체보기
딥러닝 기반 자연어 처리와 기계번역
딥러닝 기반 자연어 처리와 기계번역
기계학습 이론과 딥러닝 최적화
지능형 네트워크 관리와 이상 탐지
주요 논문
5
논문 전체보기
1
preprint
|
green
·
인용수 2·
2020Understanding dropout as an optimization trick
Sangchul Hahn, Heeyoul Choi
IF 6.5
Neurocomputing
https://doi.org/10.1016/j.neucom.2020.02.067
Dropout (neural networks)
Overfitting
Backpropagation
Artificial neural network
Saturation (graph theory)
Computer science
Activation function
Climb
Acceleration
Nonlinear system
2
preprint
|
green
·
인용수 0·
2018Persistent hidden states and nonlinear transformation for long short-term memory
Heeyoul Choi
IF 6.5
Neurocomputing
https://doi.org/10.1016/j.neucom.2018.11.069
Computer science
Recurrent neural network
Sequence (biology)
Transformation (genetics)
Affine transformation
Artificial intelligence
Multiplication (music)
Speech recognition
Representation (politics)
Deep learning
3
preprint
|
green
·
인용수 7·
2018Fine-grained attention mechanism for neural machine translation
Heeyoul Choi, Kyunghyun Cho, Yoshua Bengio
IF 6.5
Neurocomputing
https://doi.org/10.1016/j.neucom.2018.01.007
Machine translation
Computer science
Mechanism (biology)
Translation (biology)
Artificial intelligence
Context (archaeology)
Word (group theory)
Natural language processing
Exploit
Task (project management)
정부 과제
7
과제 전체보기
1
주관|
2022년 2월-2025년 2월
|94,718,000원자연어 처리를 위한 딥러닝 모델의 단어 표현
- Back-translation 에서 역전파를 활용하여 두개의 번역 모델을 end-to-end 로 학습 가능하게 한다.
- Text 생성 모델에서 단어의 이산표현을 극복함으로써 효과적인 학습을 통해 자연스러운 문장을 생성한다.
- 자연어 문장에서 adversarial example 을 생성하고 adversarial training 을 수행한다.
딥러닝
자연어
단어 표현
역전파
2
2022년 2월-2025년 2월
|85,247,000원자연어 처리를 위한 딥러닝 모델의 단어 표현
자연어 처리 관련 딥러닝 모델에서 단어의 이산 표현이 가지는 근본적 한계를 극복하기 위한 새로운 기술을 제안한다. 이를 위해 아래와 같이 세부 목표를 둔다. - Back-translation에서 두 개의 번역 모델을 end-to-end 로 학습하는 방법 제안. - Text를 위한 GAN을 학습함으로써 GAN 기반의 Text Style Transfer 구현....
딥러닝
자연어
단어 표현
역전파
3
주관|
2018년 6월-2023년 12월
|560,054,200원인공지능 기반 가상 네트워크 관리기술 개발
- NFV 모니터링 기술 개발(계속)
1. 기존 테스트베드 환경 확장을 위해 컨테이너 기술을 추가 수용하여 Docker와 같은 container-native virtualization 기술을 인공지능 기반 NFV 관리 플랫폼 PoC와 연동함으로써 고도화 및 확장성 기능을 제공함.
2. 본 제안의 NFV 모니터링 프레임워크는 하이퍼바이저에서 제공되는 가상 머신 (VM) 기반 VNF의 자원 사용량 정보를 수집함. 따라서 컨테이너 환경 기반 VNF의 자원 사용량 정보를 수집할 수 있도록 모니터링 프레임워크를 확장
- VNF Live Migration 모듈/알고리즘 개발
1. VNF Live Migration은 VNF 또는 VM에 고장이 발생하기 이전에 장애를 탐지하여 실시간으로 migration 시킴으로써 서비스 중단을 최소화하는 기능임.
2. VNF Live Migration 모듈은 Interpreter, Collector, Policy Manager, Algorithm, VNF Manager로 구성 되어 있음.
3. VNF Migration 이 수행될 경우 service 가 단절되는 시간 (downtime)은 SLA 와 QoS에서 중요한 역할을 함. 따라서 downtime 예측하는 것이 중요. 특정 Migration 으로 발생하는 downtime 예측 모델 개발
4. 장애 예측 모델 개발: 하드웨어 장애, 시스템 과부하, 메모리 부족 등의 정보를 통한 장애 예측
5. 장애가 발생할 때뿐만 아니라, 예측 될 경우에도 미래 어느 곳으로 migration 할지 결정하는 알고리즘 개발.
- VNF Live Migration 요구사항 정의
1. 통신사업자의 클라우드 데이터센터 및 엣지컴퓨팅 환경으로 고려한 요구사항
2. 가용한 서버의 수량과 규격(Core 수, 메모리, NIC 등)을 고려
3. 데이터센터내 East-west 트래픽 발생을 최소화하는 가상 서버 Live Migration 방법 연구
4. 가상 서버의 네트워크 주소(IP address)를 고려
- 테스트베드 구축 및 시험
1. VNF Live Migration 시험을 위한 환경 구축 및 결과물의 성능 검증
2. 학습 및 시험에 필요한 데이터셋 수집 및 제공
3. VNF Proactive Live Migration 시험 및 성능 측정
- SDN 광역망의 가상 네트워크 동적 설정 및 연동을 통한 효율적 VNF Live Migration 지원 연구
1. KREONET-S와 VDN을 활용하여 VNF Live Migration을 연계할 수 있는 SDN/가상 네트워크 환경 설계
2. SDN-WAN 기반의 VNF Live Migration에 대한 U
네트워크 기능 가상화
기계학습
소프트웨어 정의 네트워킹
인공지능
자율 네트워킹
최신 특허
특허 전체보기
전체 특허
파라메트릭 보상 강화학습을 활용한 네트워크 관리에서의 동적 서브모듈 학습 방법 및 시스템
상태
등록출원연도
2023출원번호
1020230066555머신러닝 기반 네트워크 공격 및 침입 탐지 방법 및 장치
상태
거절출원연도
2022출원번호
1020220187932강화 학습 기반의 스케일링 액션을 이용하는 VNF 배치 업데이트 방법 및 시스템
상태
거절출원연도
2022출원번호
1020220118675