노석범 연구실은 전자컴퓨터공학과를 기반으로 지능제어, 퍼지 신경망, 진화연산 등 첨단 인공지능 기술을 융합한 패턴 분류 및 예측 모델 개발에 주력하고 있습니다. 연구실의 주요 연구 방향은 퍼지 논리와 신경망의 결합, 정보 그라뉼레이션, 진화연산 기반 최적화 등 다양한 인공지능 이론과 실용적 응용을 아우릅니다. 이를 통해 복잡하고 불확실한 데이터 환경에서도 높은 정확도와 해석 가능성을 갖춘 분류기 및 예측 시스템을 설계하고 있습니다. 연구실은 퍼지 다항식 신경망, 퍼지 RBF 신경망, 퍼지 k-최근접 이웃 분류기 등 다양한 퍼지 기반 신경망 구조를 개발하며, 퍼지 클러스터링과 조건부 퍼지 C-평균 알고리즘을 활용하여 입력 공간을 효과적으로 분할하고 있습니다. 또한, 정보 그라뉼레이션 기법을 도입하여 데이터의 불확실성을 정량적으로 처리하고, 이를 기반으로 한 퍼지 분류기의 성능을 극대화하고 있습니다. 이러한 연구는 고차원, 노이즈, 복잡한 경계면을 가진 데이터셋에서도 탁월한 성능을 보이고 있습니다. 진화연산(유전자 알고리즘, 입자군집 최적화, 차분 진화 등)을 활용한 신경망 구조 및 파라미터 최적화 연구도 활발히 진행되고 있습니다. 진화연산을 통해 신경망의 구조적 유연성과 적응성을 높이고, 과적합 문제를 효과적으로 해결하며, 학습 속도와 일반화 성능을 동시에 향상시키고 있습니다. 이러한 하이브리드 신경망 구조는 이미지 분할, 패턴 인식, 신호 처리, 자동 제어 등 다양한 분야에 적용되고 있습니다. 연구실의 연구 성과는 플라스틱 폐기물 분류, 얼굴 인식, 이미지 자동 초점, 산업용 신호 처리 등 실제 산업 및 환경 문제 해결에 폭넓게 적용되고 있습니다. 다양한 국내외 학술지 논문, 특허, 연구과제 수행을 통해 이론적 연구와 실용적 응용을 동시에 추구하고 있으며, 최근에는 딥러닝과 퍼지 신경망의 융합, 컨볼루션 복합노드 기반 동적 생성 네트워크 등 차세대 인공지능 기술 개발에도 박차를 가하고 있습니다. 노석범 연구실은 앞으로도 퍼지 신경망, 진화연산, 정보 그라뉼레이션 등 첨단 인공지능 기술을 바탕으로, 해석 가능성과 실용성을 갖춘 지능형 분류 및 예측 시스템 개발에 앞장설 것입니다. 이를 통해 다양한 산업 및 사회 문제 해결에 기여하고, 인공지능 분야의 학문적·기술적 발전을 선도할 계획입니다.