Personalized Federated Learning, IoT Event Analytics, and Software Quality Prediction Research
연구 내용
분산 학습으로 개인화 사용자 모델을 구성하고, IoT 시계열에서 이벤트를 자동 탐지·클러스터링하며, 저장소 기반 JIT 결함 예측에 개발자 경험 지표를 적용하는 연구
대규모 IoT에서 사용자 만족과 서비스 효과를 높이기 위해 개인화 학습을 다룹니다. 클러스터 기반 연합학습을 다차원·다중 에이전트 강화학습으로 확장해, 환경 컨텍스트의 영향을 학습하도록 설계합니다. 또한 수평 peer-to-peer 연합학습 구조에서 개인화 보강을 수행하여 전역 모델이 개인 데이터 특성을 희석하는 문제를 완화합니다. 한편 IoT 데이터 스트림에서는 멀티타임스케일 샘플링으로 라벨 없는 이벤트를 탐지하고, 특징 기반 클러스터 수 예측으로 도메인 중립 클러스터링을 수행합니다. 소프트웨어 공학 영역에서는 개발자 경험 메트릭을 활용해 커밋 단위 just-in-time 결함 예측의 비용효율을 개선합니다.
관련 연구 성과
관련 논문
5편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
2022년에는 개발자 경험 메트릭을 JIT 결함 예측에 적용해, 오류가 쉬운 모듈이 아니라 오류가 일어나기 쉬운 변경을 찾아 조사 비용을 줄이는 연구를 수행했습니다. 이후 2024년에는 IoT 시계열에서 다양한 시간 스케일의 라벨 없는 이벤트를 탐지하고, 도메인 중립 클러스터링을 결합하는 흐름으로 확장했습니다. 2025년에는 사용자 모델 개인화를 위한 peer-to-peer 연합학습 프레임워크와, 서비스 에이전트 학습을 위한 다차원 연합 강화학습 구조를 제안하며 분산 학습과 개인화의 범위를 넓혔습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
MultiFedRL: Efficient Training of Service Agents for Heterogeneous Internet of Things Environments
Extending Developer Experience Metrics for Better Effort-Aware Just-In-Time Defect Prediction
Multi-temporal-scale event detection and clustering in IoT systems
EPFLU: Efficient Peer-to-Peer Federated Learning for Personalized User Models in Edge-Cloud Environments
Personalized User Models in a Real-world Edge Computing Environment: A Peer-to-peer Federated Learning Framework
관련 프로젝트
구분
제목
엣지 클라우드에서 고신뢰 고사용성 빅데이터 플랫폼 및 분석 예측 서비스 기술 개발
엣지 클라우드에서 고신뢰 고사용성 빅데이터 플랫폼 및 분석 예측 서비스 기술 개발