지능형 시스템 연구실
숙명여자대학교 본교(제1캠퍼스) 인공지능공학부
임유진 교수
연합학습
강화학습
엣지 컴퓨팅
홈
지능형 시스템 연구실
숙명여자대학교 본교(제1캠퍼스) 인공지능공학부 임유진 교수
지능형 시스템 연구실(Intelligent Systems Lab)은 인공지능(AI)과 지능형 시스템 기술의 혁신을 목표로, 학문적 깊이와 실용적 가치가 결합된 연구를 수행하고 있습니다. 연구실은 자율주행, 트래픽 최적화, 모바일 엣지 컴퓨팅(MEC), 사물인터넷(IoT), 스마트그리드, 차량 네트워크 등 첨단 기술 트렌드를 융합하여 시스템 최적화, 에너지 효율화, 자율 시스템 설계 등 다양한 응용 분야에서 탁월한 연구 성과를 창출하고 있습니다. 특히, 강화 학습과 딥러닝을 활용한 교통 제어 및 태스크 오프로딩 연구는 연구실의 주요 핵심 분야 중 하나입니다. 임유진 교수는 숙명여자대학교 인공지능공학부 교수로 재직 중이며, 다양한 국제 저널과 학술대회를 통해 연구 성과를 꾸준히 발표하고 있습니다. 주요 연구 주제로는 자율주행, 분산 교통 제어 시스템, 차량 엣지 컴퓨팅, 지능형 네트워크 관리 기술 등이 있으며, 이를 통해 차세대 AI 기술의 실질적 응용 방안을 탐구하고 있습니다. 연구실의 성과는 국내외 다수의 연구 프로젝트, 특허, 학술 논문으로 학문적 기여를 인정받고 있습니다. 학생들에게는 탄탄한 학문적 기초와 실질적인 문제 해결 능력을 함께 배양할 수 있는 환경을 제공하는 것이 연구실의 중요한 가치 중 하나입니다. 다양한 산학 협력을 통해 산업 현장에서 요구되는 기술과 연구를 진행하며, 이를 기반으로 기술 상용화에도 기여하고 있습니다. 또한, 연구실은 국제적인 연구 네트워크를 구축하여 글로벌 환경에서 연구 활동을 경험할 기회를 제공합니다. 이를 통해 학생들이 연구자로서 역량을 발전시키고 학문적, 실용적 목표를 모두 실현할 수 있도록 돕고 있습니다. 지능형 시스템 연구실은 이러한 연구 활동과 교육을 바탕으로, 실질적이고 지속 가능한 미래를 위한 최첨단 기술 개발에 기여하고자 합니다.
연합학습강화학습엣지 컴퓨팅차량 엣지 네트워크태스크 오프로딩
대표 연구 분야
연구 영역 전체보기
모빌리티 환경의 연합학습 기반 차량 엣지 자원관리 연구
Federated Learning for Mobility-Aware Vehicular Edge Resource Management
연구 분야 상세보기
MEC 서버 에너지 효율과 큐잉 지연 최적화 연구
Energy-Efficient MEC Operation with Queueing Delay Optimization
연구 분야 상세보기
모빌리티 예측 기반 엣지 캐싱과 교통 신호 지능 제어 연구
Mobility-Predicted Edge Caching and Intelligent Traffic Signal Control
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
최신 논문
158
논문 전체보기
1
Article
|
인용수 0
·
2025Scalp acupuncture for patients with primary depressive symptoms: a pragmatic, randomized controlled trial
Rachel Si Yun Tan, Joyce Yuen Yin Chee, Yujin Lim, Frederick H. Koh, Phern Chern Tor, Linda L. D. Zhong, Xiao Tan
Brain stimulation
https://doi.org/10.1016/j.brs.2024.12.1150
Scalp
Randomized controlled trial
Acupuncture
Medicine
Depressive symptoms
Physical therapy
Psychiatry
Alternative medicine
Surgery
Cognition
2
Article
|
인용수 1
·
2025Accelerated acupuncture therapy for patients with major depressive symptoms: a single blind, randomized wait-list controlled trial
Xiao Tan, Yuen Yin Chee Joyce, Yujin Lim, Peiwei Koh Frederick, Zheng Jie Koh Jovi, Gulwant Singh Kaur Hasvinjit, Si Yun Tan Rachel, Linda L. D. Zhong, Phern Chern Tor
Journal of Affective Disorders Reports
• An accelerated and intensive scalp acupuncture treatment is proven to be effective to improve the depressive symptoms and subjective quality of life among patients with depression. • Acupuncture is a neuromodulation intervention protocol that is well accepted by a multiethnic South-east Asia population. • The value of acupuncture as an augmentation therapy for in-hospital patients with primary depressive symptoms was examined via a randomized, pragmatic, controlled trial. To test the effectiveness of an accelerated acupuncture treatment as an augmentation therapy for patients with primary diagnosis of major depressive symptoms. Recruited patients were 1:1 randomly assigned to receive either treatment-as-usual (wait-list controlled group) or with additional acupuncture intervention (treatment group). The acupuncture treatment includes daily scalp acupuncture with manual stimulation for a total of 10 sessions conducted within 2-3 weeks. Blinded raters assessed patients’ depressive symptoms and quality of life at baseline (pre-treatment), immediately after treatment, 2 weeks, and 3 months post-treatment. A total of 84 patients with 59 (70.2%) Chinese, 17 (20.2%) Malay and 4 (4.8%) Indians participated in this trial. There is an overall improvement of depressive symptoms score assessed by Montgomery–Åsberg Depression Rating Scale (MADRS) and Quick Inventory of Depressive Symptomatology- Self report 16 items (QIDS-SR16), and an improvement of subjective Quality of life assessed by EQ5D Visual Analogue Score (VAS) and Utility Score (US) from pre-treatment to 3 months post-treatment for patients in both treatment groups and control group. In addition, compared to patients in control group, acupuncture induced an overall significantly better QIDS-SR16 (effect size η 2 = 0.15, p =0.025) and better EQ-5D Visual Analogue Scale score ( η 2 = 0.20, p =0.005). Acupuncture induced an accumulated and delayed antidepressant treatment effect for patients with depression. Our study informed the potential of an accelerated acupuncture treatment as an augmentation antidepressant therapy within a multiethnic South-east Asian population.
https://doi.org/10.1016/j.jadr.2025.100935
Randomized controlled trial
Acupuncture
Medicine
Depressive symptoms
Single blind
Physical therapy
Alternative medicine
Psychiatry
Internal medicine
Anxiety
3
Article
|
인용수 0
·
2025Deep Reinforcement Learning-Based Task Partitioning Ratio Decision Mechanism in High-Speed Rail Environments with Mobile Edge Computing Server
Seolwon Koo, Yujin Lim
IF 2.9 (2025)
Applied Sciences
고속철도(High-speed rail, HSR) 환경은 높은 이동성과 승객 밀집 교통으로 인해 고유한 과제를 제시하며, 그 결과 과업(task) 생성 양상이 동적이고 예측 불가능한 형태로 나타난다. Mobile Edge Computing(MEC)은 종단 사용자에 더 가까운 위치에 컴퓨팅 자원을 배치함으로써 이러한 과제를 해결하기 위한 전환적 패러다임으로 부상하였다. 그러나 MEC 서버의 제한된 자원으로 인해 효율적인 과업 분할(task partitioning)이 필요하며, 단일 과업을 여러 개의 하위 과업(sub-tasks)으로 나누어 MEC 서버들 간 병렬 처리할 수 있도록 한다. HSR 환경에서 과업 분할 비율은 서비스 품질(QoS)을 보장하고 특히 동적이며 수요가 높은 조건에서 자원 활용을 최적화하는 데 핵심적이다. 본 논문은 MEC 서버(Mobile Edge Computing servers, MECSs)가 있는 HSR 환경을 대상으로, Twin Delayed Deep Deterministic Policy Gradient(TD3)를 사용하는 심층 강화학습(Deep Reinforcement Learning, DRL) 기반 과업 분할 메커니즘을 제안한다. 제안된 방법은 과업 특성 및 서버 부하 상태에 대한 실시간 정보를 활용하여 과업 분할 비율을 동적으로 조정한다. 실험 결과, 과업 도착률이 20일 때 지연(delay)은 무작위(random) 방식 대비 약 5% 개선되었고 no_partition 대비 약 13% 개선되었다. 과업 도착률이 50일 때는 무작위 방식과 유의미한 차이가 없었으며 no_partition 대비 약 2%의 개선이 나타났다. 과업 처리량(task throughput)은 20일 때 거의 동일하였다. 그러나 50일 때는 무작위 방식이 훨씬 더 우수하였다. 또한 제공하는 MECS의 수(number of serving MECSs)에 따른 성능 변화도 확인하였다. 이 과정에서 적절한 제공 MECS의 수 K를 찾는 연구 방향도 관찰할 수 있었다. 이러한 결과는 HSR 환경의 고유한 특성에 맞추어 동적으로 적응함으로써 최적의 자원 배분을 달성하고 높은 QoS를 유지하는 데 DRL 기반 접근법의 효율성을 강조한다. 본 논문은 HSR 시스템을 위한 과업 분할 전략을 발전시키는 데 기여하며, MEC 기반 HSR 시스템에서의 향후 연구를 위한 기반을 마련한다.
https://doi.org/10.3390/app15020916
Computer science
Mobile edge computing
Reinforcement learning
Task (project management)
Enhanced Data Rates for GSM Evolution
Mechanism (biology)
Q-learning
Distributed computing
Artificial intelligence
Computer network
최신 정부 과제
6
과제 전체보기
1
주관|
2018년 3월-2021년 2월
|294,000,000원5G 무선 네트워크에서 에너지 효율 최적화를 위한 지능형 기법 연구
본 연구에서 진행하고자 하는 지능형 기지국 스위칭 최적화 기법 개발의 내용은 다음과 같다. 1) 에너지 효율과 QoS 제약사항을 정의한다. 2) 인지엔진을 개발한다. 인지엔진은 크게 세 부분으로 구성된다. 먼저, 전이학습을 기반으로 source 도메인에서 학습된 knowledge를 target 도메인에 적용하기 위한 knowledge database를 구축한다. 다음으로 구축된 knowledge를 강화학습 기법을 이용해 target domain에 적용한다. 마지막으로 최적화 알고리즘을 사용하여 QoS 요구사항을 만족시키면서도 에너지 효율을 극대화 할 수 있는 기지국 스위칭을 결정한다. 3) 최적화된 기지국 스위칭 전략을 적용한 결과를 인지엔진에 피드백함으로써 향후 연속성있는 성능의 극대화를 진행한다.
본 연구에서 3년 간 진행하고자 하는 연차별 연구계획은 다음과 같다. 1차 년도에는 5G HetNet 환경에서 기지국 스위칭 최적화 문제를 정의하고, HetNet 네트워크 도메인을 모델링한 후, 지능형 인지엔진의 세 가지 구성요소 중에서 첫 번째 구성요소인 QoS 요구사항을 만족시킬 수 있는 최적화된 전이학습 기법을 개발한다. 2차 년도에는 5G HetNet 환경에서 지능형 인지엔진의 두 번째 구성요소인 강화학습기반 의사결정 기법과 세 번째 구성요소인 Meta-heuristics기반 최적화 기법을 개발함으로써 지능형 인지엔진 개발을 완료한다. 3차 년도에는 5G CRAN과 H-CRAN 환경 각각에 맞는 최적화된 지능형 인지엔진을 customizing한다.
이러한 3년간의 연구를 통하여 5G 무선 네트워크에서 에너지 효율 최적화를 위한 전이학습기반 지능형 기지국 스위칭 기법을 개발하고자 한다.
5G 무선 네트워크
에너지 효율
기지국 스위칭
기계 학습
전이 학습
강화 학습
2
주관|
2015년 11월-2018년 10월
|122,076,000원클라우드 컴퓨팅기반 스마트그리드 AMI 통합 솔루션 개발
본 과제는 전기·수도·가스 사용량과 상태를 원격으로 확인하고 제어하는 AMI 통합 솔루션을, 서로 다른 AMI 시스템과 업체까지 함께 다루는 방향으로 확장하는 연구임.
연구목표는 AMI 맞춤형 클라우드 컴퓨팅 인프라 제공 및 자동 제어 시스템 개발이며, 핵심 연구내용은 AMI 시스템 모델링과 AMI 데이터 구성요소 모델링 기반 AMI 시스템에 최적화된 클라우드 컴퓨팅 설계·개발, 이종 스마트 미터 타입을 지역화해 관리하는 스마트 미터 관리 기법 설계·개발, 지역화된 관리 기법 간 통합관리 인프라 설계와 성능 분석 수행임. 기대효과는 확장성·개방성이 있는 산업 적용 기술로 서비스 품질 경쟁력 확보 및 스마트그리드 시장에서 국내 업체의 기술적 차별화 파급효과 극대화 정임.
스마트그리드
AMI
클라우드 컴퓨팅
자동 제어
3
주관|
2014년 12월-2017년 9월
|1,137,400,000원HILS 환경에서 멀티 마이크로그리드 Flexible 연계 및 다이나믹 최적 운용 기술 개발
본 과제는 스마트그리드에서 마이크로그리드를 여러 형태로 연결·운영하는 기술을 개발하는 연구임.
연구목표는 HILS 기반의 연계형 멀티 마이크로그리드 Flexible 연계 제어 기법과 독립형 다이나믹 최적 운용 기법을 개발하고, 운용/정산 시스템 에뮬레이터를 개발·평가하는 데 있음. 핵심 연구내용은 연계형 Flexible 연계 제어 알고리즘 설계, DSP 제어기 구현 및 테스트, HILS 시스템 기반 성능 테스트, 독립형 멀티 다이나믹 최적 운용 기법 성능 테스트, 운용/정산 시스템 에뮬레이터 개발·평가임. 기대효과는 마이크로그리드 기능 고도화와 미래 기술 이행, 글로벌 시장 주도 및 수출 기여, 스마트한 에너지 인프라 기반 사회로의 이행 지원임.
마이크로그리드
다중 마이크로그리드
마이크로그리드 연계
다이나믹 최적 운용
전력 거래
최신 특허
특허 전체보기
전체 특허
강화 학습을 이용한 스마트 전력 시스템 제어 최적화를 위한 전자 장치 및 그 동작 방법
상태
거절출원연도
2024출원번호
1020240006505전시회 추천을 위한 서버 및 그 동작 방법
상태
등록출원연도
2023출원번호
1020230070014모바일 엣지 컴퓨팅 시스템에 포함되는 무인 항공 서버 및 그 동작 방법
상태
거절출원연도
2023출원번호
1020230032907연구실 하이라이트
연구실의 정보를 AI가 요약해서 키워드 중심으로 정리해두었어요
스마트시티
강화학습 기반 지능형 교통신호 최적화
AI 요약 확인하기
자율주행핵심
차량 네트워크를 위한 MEC 기반 자원 최적화
AI 요약 확인하기
지속가능기술
5G/IoT 네트워크 에너지 효율 최적화 기술
AI 요약 확인하기
사회문제해결
AI 기반 산업안전 및 멘탈헬스케어 솔루션
AI 요약 확인하기
에너지효율화
클라우드 연동 스마트그리드 AMI 최적화
AI 요약 확인하기
E커머스AI
심층 강화학습 기반 추천 시스템 자동 고도화
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
지금 바로 확인해보세요
무료 리포트 확인하기