황혜수 연구실

인공지능학과 황혜수

인공지능학과의 연구실은 그래프 딥러닝, 빅데이터 분석, 시계열 데이터 분석, 자율 주행 시스템, 권위 기반 검색 등 다양한 연구 분야에서 활발히 활동하고 있습니다. 특히, 그래프 딥러닝을 위한 적응적 자기지도학습 프레임워크 개발(2022R1A2C1011637)과 지식 발굴을 위한 빅데이터 분석 프레임워크 개발(2019R1A2C1008743) 프로젝트를 통해 그래프 신경망 기반 추천 시스템 및 효율적인 가중집합 샘플링 기법 등의 연구를 수행하고 있습니다. 또한, 시계열 빅데이터 분석고도화를 위한 자동진화형 고성능 탐색프레임워크 개발(2016R1C1B2015528)과 교통데이터 향 데이터마이닝과 V2X 통신기술을 활용한 자율 주행 시스템 연구(2015R1A2A2A04005646) 프로젝트를 통해 자율 주행 시스템 및 시계열 데이터 분석 분야에서도 두각을 나타내고 있습니다. 이러한 연구 성과를 바탕으로 다양한 기업들과의 협력을 통해 실질적인 연구 개발(R&D) 프로젝트를 추진하고 있습니다.

Authority-Based Search

Time Series Data Analysis

Graph Deep Learning

대표 연구 분야

연구 영역 전체보기

그래프 신경망 기반 추천 시스템

본 연구는 그래프 신경망(GNN)을 활용한 추천 시스템 개발을 목표로 합니다. 이질 클래스 간 링크와 신규 링크를 고려하여 사용자와 아이템 간의 관계를 정확하게 모델링함으로써, 더욱 개인화된 추천을 제공합니다. 특히, 그래프 구조에서의 정보 확산 메커니즘을 최적화하고, 사용자 행동 데이터를 효율적으로 학습하는 방법을 연구합니다. 이를 통해 추천 시스템의 정확도와 효율성을 크게 향상시킬 수 있습니다.

빅데이터 분석을 통한 지식 발굴

본 연구는 대규모 데이터로부터 유의미한 패턴과 지식을 추출하기 위한 빅데이터 분석 프레임워크를 개발합니다. 다양한 데이터 소스에서 수집된 데이터를 통합하고, 고성능 분석 알고리즘을 적용하여 데이터의 잠재적인 가치를 발견합니다. 특히, 시계열 데이터의 효율적인 분석을 위해 진화형 탐색 기법을 도입하여, 데이터 분석의 정확성과 신뢰성을 높이는 데 주력합니다.

주요 논문

발행물 전체보기

Pathologic complete response prediction after neoadjuvant chemoradiation therapy for rectal cancer using radiomics and deep embedding network of mri

Lee, Seunghyun, Lim, Joonseok, Shin, Jaeseung, Kim, Sungwon, Hwang, Heasoo

Applied Sciences, 2021

Approximate consistent weighted sampling for efficient top-k search

Kim, Yunna, Hwang, Heasoo

International Journal of Innovative Computing, Information and Control, 2020

A robust deep convolutional neural network with batch-weighted loss for heartbeat classification

Sellami, Ali, Hwang, Heasoo

Expert Systems with Applications, 2019

완료된 프로젝트

프로젝트 전체보기

그래프 딥러닝을 위한 적응적 자기지도학습 프레임워크 (2022R1A2C1011637, 한국연구재단 중견연구)

한국연구재단 중견연구

2022년 03월 ~ 2025년 02월

지식 발굴을 위한 빅데이터 분석 프레임워크 개발 (2019R1A2C1008743, 한국연구재단 중견연구)

한국연구재단 중견연구

2019년 03월 ~ 2022년 08월

시계열 빅데이터 분석고도화를 위한 자동진화형 고성능 탐색프레임워크 개발 (2016R1C1B2015528, 한국연구재단 신진연구)

한국연구재단 신진연구

2016년 06월 ~ 2019년 05월