이기천 연구실
한양대학교 산업공학과
이기천 교수
시계열 분석
이상탐지
도메인 적응
홈
이기천 연구실
한양대학교 산업공학과 이기천 교수
이기천 연구실은 데이터베이스시스템응용과 정보시스템 관점에서 예측, 데이터마이닝, 이상탐지를 중심으로 연구를 수행합니다. 시계열의 정상·비정상 패턴을 다변량 신호에서 분리하고, 순서형 타깃을 반영하는 학습 알고리즘을 적용합니다. 동시에 도메인 적응을 위해 knowledge distillation과 확률적 차원축소 및 VAE 기반 표현학습을 결합합니다. 또한 전역 weight pruning과 같은 딥러닝 경량화 및 DRL-최적화 결합 라우팅 의사결정으로 엣지컴퓨팅 배치 및 운영 효율을 고려한 연구를 병행합니다.
시계열 분석이상탐지도메인 적응표현학습변분오토인코더
대표 연구 분야
연구 영역 전체보기
시계열 데이터 기반 예측·이상탐지 및 순서형 학습
Time-series prediction, anomaly detection, and ordinal learning
연구 분야 상세보기
시계열 데이터 기반 예측·이상탐지 및 순서형 학습
Time-series prediction, anomaly detection, and ordinal learning
연구 분야 상세보기
도메인 적응과 확률적 표현학습 기반 데이터 분석
Domain adaptation and probabilistic representation learning for data analytics
연구 분야 상세보기
딥러닝 경량화와 강화학습-최적화 결합 의사결정
Deep learning compression and reinforcement learning with optimization
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
주요 논문
5
논문 전체보기
1
Article
|
·
인용수 5
·
2024A two-layer regression network for robust and accurate domain adaptation
Geonseok Lee, Kichun Lee
IF 7.6 (2024)
Pattern Recognition
https://doi.org/10.1016/j.patcog.2024.111038
Regression
Computer science
Adaptation (eye)
Layer (electronics)
Artificial intelligence
Domain (mathematical analysis)
Regression analysis
Domain adaptation
Pattern recognition (psychology)
Statistics
2
Article
|
·
인용수 6
·
2023Probabilistic orthogonal-signal-corrected principal component analysis
Geonseok Lee, Eunchan Sim, Youngju Yoon, Kichun Lee
IF 7.2 (2023)
Knowledge-Based Systems
https://doi.org/10.1016/j.knosys.2023.110473
Principal component analysis
Dimensionality reduction
Probabilistic logic
Bayesian information criterion
Curse of dimensionality
Computer science
Pattern recognition (psychology)
Statistical model
Redundancy (engineering)
Artificial intelligence
3
Article
|
·
인용수 33
·
2022Knowledge distillation for BERT unsupervised domain adaptation
Minho Ryu, Geonseok Lee, Kichun Lee
IF 2.7 (2022)
Knowledge and Information Systems
https://doi.org/10.1007/s10115-022-01736-y
Computer science
Discriminative model
Artificial intelligence
Domain adaptation
Distillation
Machine learning
Domain (mathematical analysis)
Adaptation (eye)
Language model
Natural language processing
최신 정부 과제
19
과제 전체보기
1
2025년 8월-2028년 8월
|64,094,000원엣지컴퓨팅에 특화된 고신뢰성 딥러닝 기계학습 방법 개발
4차산업 및 AI 주도 시대에 딥리닝 기계학습의 중요성은 날로 커지고 있다. 그런데, 기계학습 및 AI 알고리즘의 실시간성과 메모리에 들어가지 않는 실제적인 대용량 데이터에 대한 연구는 미흡한 실정이다. 또한, 엣지디바이스에 특화된 기계학습 및 AI알고리즘의 연구는 상당히 미흡하다. 본 연구에서는 센서 데이터와 같이 메모리에 들어가지 않는 대용량 데이터를 ...
실시간 데이터
온라인 학습
분산최적화
딥러닝
엣지컴퓨팅
2
주관|
2021년 8월-2023년 8월
|211,276,000원커머스 빅데이터 분석 기반 AI 추천 시스템 구현과 차세대 커머스 네트워크 플랫폼 구축
본 과제는 네트워크 커머스 플랫폼에 트래킹·데이터 수집과 AI 추천을 결합해 다양한 쇼핑 채널로 상품을 노출·연결하는 기능을 구현하는 연구임.
연구 목표는 커머스 빅데이터 분석과 Multi-Domain 추천 알고리즘, 실시간(On-line) 추천, time 정보 반영 추천을 고도화하고 inapp SDK, DMP 연동, 고객 행태기반 상품 타겟팅, 주간·월간 트래픽 분석, ADMIN 관리, api 기반 상품 연동(항공·숙박·예약·Activity), 이벤트/프로모션 모듈을 구축하는 데 있음. 기대 효과는 판매 전환율 향상, 운영 비용 절감, 제휴사 UI/UX 변경 기반 저비용 쇼핑몰 구축, 초기 상품 소싱 비용 대폭 절감임.
커머스
빅데이터
AI추천
네트워크
플랫폼
3
주관|
2021년 8월-2023년 8월
|309,200,000원커머스 빅데이터 분석 기반 AI 추천 시스템 구현과 차세대 커머스 네트워크 플랫폼 구축
본 과제는 커머스 플랫폼을 만들어 판매·광고·데이터 수집·추천까지 한 흐름으로 제공하는 연구임.
연구 목표는 커머스 플랫폼 기본 Admin 기능과 커머스 네트워크 특화 기능을 구현하고, 커머스 빅데이터 분석 및 AI 추천 알고리즘을 개발해 상품 전시를 정교화하는 데 있음. 핵심 연구 내용은 로그인·주문·상품·회원·게시판·프로모션/쿠폰 등 쇼핑 Admin 구현, 타겟 광고 관리와 채널 유입 광고 web SDK (javascript), 모듈별 API 및 배송 확장, 상품 전시 매체 필터링·변수 기준 상품 타겟팅(성별 연령 타겟팅)·추천알고리즘 기반 상품 타겟팅, 셀러드 발급정보 수집 및 SDK 수집정보 반영·매체 고객정보 수집, 상품 클릭/view/장바구니/구매 데이터 수집, Word2Vec·CNN(Convolutional Neural Network)&Transfer Learning 기반 DMP 및 CB(Contents Based)·CF(Collaborative Filtering)·앙상물 추천 시스템 개발임. 기대 효과는 운영 비용 절감과 판매전환율 향상, 제휴사의 저비용 UI/UX 변경 기반 자체 쇼핑몰 구축, 초기 상품 소싱 비용 절감 및 채널 다양화를 통한 노출 확대 기대임.
커머스
빅데이터
AI추천
네트워크
플랫폼
최신 특허
특허 전체보기
전체 특허
비지도 도메인 적응을 위한 특징 변환 학습 방법, 이를 이용하는 장치 및 프로그램
상태
공개출원연도
2024출원번호
1020240019481아이템 추천 방법, 이를 이용하는 컴퓨팅 시스템, 및 프로그램
상태
거절출원연도
2020출원번호
1020200182606기계 학습을 위한 훈련 데이터 샘플링 방법
상태
등록출원연도
2020출원번호
1020200037918