RnDCircle Logo
Inha Big Data Lab
최동완 교수
machine learning
data-centric AI
big data
|최동완 교수 연구실
홈
연구 영역
기본 정보
논문·특허
과제
구성원
홈

Inha Big Data Lab

최동완 교수

인하대학교 빅데이터 연구실은 머신러닝, 데이터 중심 인공지능, 빅데이터 분석 및 데이터베이스 이론 등 다양한 분야를 아우르는 첨단 인공지능 연구를 수행하고 있습니다. 본 연구실은 단순히 대규모 모델을 구축하는 데 그치지 않고, 현대 AI 모델 내부에 축적된 지식을 어떻게 이해하고, 재사용하며, 신뢰할 수 있게 만드는지에 대한 근본적인 문제를 다룹니다. 이를 통해 인공지능의 실용성과 신뢰성을 동시에 확보하는 것을 목표로 하고 있습니다. 주요 연구 분야로는 지속학습(Continual Learning), 인간 유사 회상 신경망, 신경망 압축 및 효율적 딥러닝, 설명가능 인공지능(XAI), 연합학습(Federated Learning) 등이 있습니다. 지속학습 및 인간 유사 회상 신경망 연구를 통해, 인공지능이 인간처럼 과거의 지식을 잃지 않고 새로운 정보를 습득할 수 있도록 하는 알고리즘을 개발하고 있습니다. 이는 실제로 데이터가 없는 환경이나 프라이버시 제약이 있는 상황에서도 안정적으로 동작하는 AI 시스템 구현에 중요한 역할을 합니다. 또한, 대규모 신경망의 접근성, 확장성, 신뢰성 향상을 위한 연구를 활발히 진행하고 있습니다. 학습된 신경망 내부의 지식을 효과적으로 추출, 재사용, 설명할 수 있는 기술을 개발하고, 모델의 편향이나 오류를 탐지 및 수정하는 방법론을 제안합니다. 설명가능 인공지능 및 상호작용형 AI 서비스 연구를 통해, 인간과 자연스럽게 소통하고 투명하게 의사결정 과정을 설명할 수 있는 AI 시스템을 구현하고 있습니다. 신경망 압축 및 효율적 딥러닝, 연합학습 분야에서도 두각을 나타내고 있습니다. 파라미터 프루닝, 토큰 머징, 지식 증류 등 다양한 신경망 경량화 기술을 통해 자원이 제한된 환경에서도 고성능 AI 모델의 실시간 적용을 가능하게 하며, 연합학습을 통해 데이터 프라이버시를 보장하면서도 안정적이고 빠른 모델 학습을 실현하고 있습니다. 본 연구실은 이론과 실무를 아우르는 연구를 지향하며, ICML, NeurIPS, ICLR, AAAI, KDD, ICDM, SIGMOD, VLDB, ICDE 등 세계 최고 수준의 학회 및 저널에 꾸준히 연구 성과를 발표하고 있습니다. 다양한 산학협력 및 정부 과제 수행, 다수의 논문상 수상 경력, 그리고 실제 산업 현장 적용 경험을 바탕으로, 미래 인공지능 기술의 핵심을 선도하고 있습니다.

machine learningdata-centric AIbig datadata miningdatabases
대표 연구 분야
연구 영역 전체보기
연합학습 기반 분포 외 이상탐지 연구 thumbnail
연합학습 기반 분포 외 이상탐지 연구
Out-of-Distribution Detection in Federated Learning
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
3
논문 전체보기
1
Article
|
·
인용수 4
·
2025
Out-of-Distribution Detection via outlier exposure in federated learning
Gu-Bon Jeong, Dong-Wan Choi
Neural Networks
https://doi.org/10.1016/j.neunet.2025.107141
Outlier
Anomaly detection
Artificial intelligence
Computer science
Distribution (mathematics)
Pattern recognition (psychology)
Machine learning
Mathematics
2
Article
|
·
인용수 6
·
2022
DARCAS: Dynamic Association Regulator Considering Airtime Over SDN-Enabled Framework
Muhammad Salman, Jin-Ho Son, Dong-Wan Choi, Uichin Lee, Youngtae Noh
IF 10.6 (2022)
IEEE Internet of Things Journal
최근 수년간 모바일 기기의 급격한 유입과 사용 증가로 인해 네트워크에서 액세스 포인트(AP)의 과잉 배치가 발생하였다. 주거 환경과 달리, 기업 및 대학의 네트워크 관리자는 네트워크 동역학(예: 트래픽 부하 및 사용자 이동성)이 대체로 예측하기 어려운 WiFi 네트워크의 사용자 경험(UX)을 향상시키기 위해 모든 노력을 기울인다. 이를 위해 기존의 WiFi 연동(association) 메커니즘은 클라이언트 주도 방식, 즉 사용자가 더 높은 신호 세기의 AP에 스스로 연결하도록 한다. 그러나 사용자는 이용 가능한 대역폭이 충분하지 못해 여전히 불만을 겪는다. 이러한 문제를 중앙집중 방식으로 해결하기 위해, 본 연구는 연동 규제를 위한 SDN(Software-Defined Network) 기반 WiFi 프레임워크인 DARCAS를 제안한다. DARCAS는 UX와 밀접하게 연관된 대역폭 만족도 비율(BSR, bandwidth satisfaction ratio) 개념을 채택한다. DARCAS는 각 사용자의 BSR을 충분한 airtime(즉, 채널 점유 시간)으로 만족시키면서, 집계된 네트워크 처리량을 최대화한다. 우리는 이 아이디어를 DARCAS-GA라는 메타휴리스틱 유전 알고리즘에 적용하였으며, 이는 다항 시간 내에 최대 BSR에 해당하는 준최적 연동 분포를 효과적으로 도출한다. 또한 DARCAS 시스템을 상용(on-the-shelf) 무선 라우터와 SDN 컨트롤러에 구현하였다. 본 연구는 고려된 시나리오에서 실제 환경 기반의 실험 결과를 보고하고, NS-3 시뮬레이터에서 성능의 확장성을 검토하기 위한 광범위한 시뮬레이션을 수행한다. 세부적으로 튜닝된 설정에서 DARCAS는 기존 솔루션 대비 최대 80%의 BSR 향상을 보인다.
https://doi.org/10.1109/jiot.2022.3176010
Computer science
Computer network
Scalability
Bandwidth (computing)
Software-defined networking
Usability
Wireless network
Wireless
Network performance
Throughput
3
Article
|
·
인용수 3
·
2022
Attractive and repulsive training to address inter-task forgetting issues in continual learning
Hongjun Choi, Dong-Wan Choi
IF 6 (2022)
Neurocomputing
https://doi.org/10.1016/j.neucom.2022.05.079
Forgetting
Computer science
Artificial intelligence
Task (project management)
Class (philosophy)
Machine learning
Feature (linguistics)
Classifier (UML)
Set (abstract data type)
Cognitive psychology
최신 정부 과제
23
과제 전체보기
1
주관|
2023년 6월-2026년 12월
|900,000,000원
인공지능융합혁신인재양성(부산대학교)
1. AI+제조·물류 연구 1) 동남권 소재 제조 기업의 애로 및 수요 기술 개발을 위한 데이터 수집/저장/분석 및 불량 예측 및 이상 감지, 상황인지/분석 등 융합 AI 요소 기술 개발 및 기업 수요 기반 AI 응용 기술 개발 - [AI+제조·물류 제1프로젝트] : ㈜현대중공업빅데이터 분석 기반 선박 엔진 이상 진단 모델 개발 - [AI+제조·물류 제2프로젝트] : ㈜삼성중공업시나리오별 블록 도장면 인식을 위한 딥러닝 모델 개발 - [AI+제조·물류 제3프로젝트] : ㈜해성디에스영상 기반 회로 불량 검출을 위한 AI 판별 모델 개발 - [AI+제조·물류 제4프로젝트] : ㈜코렌스XAI 기반 EGR 쿨러 생산 공정 불량 원인 분석 시스템 개발 - [AI+제조·물류 제5프로젝트] : ㈜슈어소프트테크 차량 시뮬레이터 기반 모빌리티 AI 기술 개발을 위한 데이터 수집 소프트웨어 제작 - [AI+제조·물류 제6프로젝트] : ㈜파나시아공장 내 차량 및 작업자 위험 상황 감별 시스템 개발 - [AI+제조·물류 제7프로젝트] : ㈜토탈소프트뱅크영상 기반의 항만 내 객체 인식, 추적 및 관리 솔루션 개발 - [AI+제조·물류 제8프로젝트] : ㈜그리드위즈신재생에너지 발전량, 전력 소비량 예측 프로그램 개발 - [AI+제조·물류 제9프로젝트] : ㈜동연에스엔티냉연강판 결함 데이터 증강 기술 및 결함 분류 모델 개발 - [AI+제조·물류 제10프로젝트] : ㈜워드포인츠 최적의 네트워크 성능 도출을 위한 Network Traffic Optimization모델 개발 - [AI+제조·물류 제11프로젝트] : ㈜평행공간3D 공간모델 및 LiDAR 센서 기반 자세 추정 기술 개발 - [AI+제조·물류 제12프로젝트] : ㈜토리아띠반려동물 대상 상태별 모션 추출 및 분류 - [AI+제조·물류 제13프로젝트] : ㈜나라인포테크 지식 그래프 임베딩 모형의 철자오류 교정 시스템 개발 2. AI+헬스케어 연구 - 부산대병원 및 의료기관의 애로 및 수요 기술 개발을 위한 의료데이터 수집/저장/분석 및 예측, 신약개발 등 융합 AI 요소 기술 개발 및 기업 수요 기반 AI 응용 기술 개발 - [AI+헬스케어 제1프로젝트] : 양산부산대학교병원 골수부종, 골다공증 환자 임상 영상 화질 개선 기법 개발 - [AI+헬스케어 제2프로젝트] : 씨젠의료재단나노센서 레이블 노이즈 극복을 위한 정형 데이터용 예측 모델 개발 - [AI+헬스케어 제3프로젝트] : 씨젠의료재단CT 패치 이미지 기반 담도암 진단 모델 개발 - [AI+헬스케어 제4프로젝트] : 씨젠의료재단병리 영상 압축기법 개발 - [AI+헬스케어 제5프로젝트] : ㈜휴이노 IoT 기술을 통한 심전도 데이터 전송/저장 및 알람 서비스 기술 개발 - [AI+헬스케어 제6프로젝트] : ㈜드래곤플라이소아ADHD 인지행동치료 메커니즘 기반 맞춤형 난이도 조절 기술 개발 - [AI+헬스케어 제7프로젝트] : ㈜호쿠쇼코리아의약품 물류 공정 최적화 컨베이어 기계작동 프로그램 개발 - [AI+헬스케어 제8프로젝트] : ㈜뉴클릭스바이오분자 구조 정보를 활용한 표적 단백질과 화합물 결합 예측 인공지능 모델 개발
인공지능
인력양성
제조 AI
헬스케어 AI
융합
2
2022년 3월-2026년 12월
|969,000,000원
인간처럼 회상이 가능한 인공 신경망 지속학습 플랫폼 개발
최종 목표: 인공 신경망의 치명적 망각현상을 근본적으로 해결할 수 있는 통합 지식 기억 및 회상 가능한 신경망 지속학습 플랫폼 개발☞ 현재 신경망 지속학습 기술은 전 세계적으로 매우 활발히 연구되고 있으나, 치명적 망각현상(catastrophic forgetting)을 다소 완화시키는 비실용적인 수준☞ 주관기관은 2021년 기준 지속학습 벤치마크 환경에서 ...
평생학습
지속학습
기억회상
복합지능
뇌 기반 인공지능
3
주관|
2022년 3월-2026년 12월
|750,000,000원
인간처럼 회상이 가능한 인공 신경망 지속학습 플랫폼 개발
☐ (Recall) ● 단일 태스크를 위해 이종 도메인 데이터로 학습된 추론형 신경망 병합 기술 개발 ● 도메인별 지식 생성형 신경망에 대한 병합 기술 개발 ● 단일 태스크를 위한 도메인 통합지식을 생성해 낼 수 있는 신경망 및 학습기법 개발 ● 각 도메인별 지식에 대한 지속적인 통합 및 재구성 기법 개발 ☐ (Vision) ● 단일 도메인 전환을 위한 적대적 학습기술 개발 ● 다양한 환경에서 멀티 도메인 일반화 기술 개발 ● 시각모델 기반 Vison/Space/Context 통합 학습을 통한 비전 태스크 향상 기술 ☐ (Space) ● 인간행동 및 상호작용을 포함한 데이터 구축 ● 효율적 공간학습을 위한 도메인 내 추가 목표 학습(intra-domain auxiliary-task learning)을 통해 강인한 공간인지 모델 설계 ● 다중도메인정보(Vision/Space/Context) 지식 공유를 통해 과거 공간 기억정보 망각 예방 기법 개발 ☐ (Context) ● 신규 행동 추가에 따른 그래프 기반 지속 학습 기술 ☐ (Federation) ● 환경변화 감지 및 신규 지식 생성모델 요청 알고리즘 연구 ● 개인화-일반화 가중치를 반영할 수 있는 지식 생성모델 추출 알고리즘 연구 ● 클라우드 기반의 기존 디바이스 맞춤형 지식 생성모델 추출 시스템 구축 ☐ (Brain) ● 특정 환경과 관련된 뇌 활성화/연결성 패턴 파악 ● 뇌 패턴 파악 및 각 환경에서의 패턴 통합을 위한 차원 축소 기법 개발 ● 멀티모달 뇌 패턴 지도 통합 기법 개발
기억회상
뇌 기반 인공지능
복합지능
지속학습
평생학습
연구실 하이라이트
연구실의 정보를 AI가 요약해서 키워드 중심으로 정리해두었어요
세계최초
인간처럼 기억하는 지속학습 AI
AI 요약 확인하기
독창기술
데이터 없는 AI 경량화 및 지식 증류
AI 요약 확인하기
상용화가능
비전 트랜스포머 초경량화 기술
AI 요약 확인하기
산업적용
프라이버시 보장 연합학습 핵심 기술
AI 요약 확인하기
SCIE논문
세계 최고 수준의 AI 학술 성과
AI 요약 확인하기
기업협력
산학협력 기반 실증형 AI 연구 역량
AI 요약 확인하기
맞춤형 인사이트 리포트
연구실의 전체 데이터를 활용한 맞춤형 인사이트 리포트
연구 트렌드부터 공동 연구 방향성 기획까지
연구실과 같이 할 수 있는게 무엇인지,
지금 바로 확인해보세요
무료 리포트 확인하기