김태운 연구실
부산대학교 정보컴퓨터공학부
김태운 교수
Federated Learning
Edge Computing
Task Offloading
김태운 교수 연구실
홈
김태운 연구실
부산대학교 정보컴퓨터공학부 김태운 교수
김태운 연구실은 IoT와 무선 네트워크 환경에서 분산 데이터 기반 학습 및 네트워크 자원 최적화 기술을 연구합니다. 연합학습의 이기종성과 non-IID 문제를 고려한 model transfer 및 parameter server 선택을 설계하여 보안·프라이버시 보존형 학습 구조를 분석합니다. 또한 엣지 컴퓨팅에서 지연과 QoS를 만족하도록 task offloading, association 최적화, federation 스케일링을 모델링하고 Lagrangian relaxation과 decomposition으로 해결합니다. 무선 측면에서는 NOMA-OMA switching 제어와 Bluetooth/RSSI 기반 실내 점유·거리·활동 추정 방법을 다룹니다.
Federated LearningEdge ComputingTask OffloadingIoT무선 네트워크 최적화
대표 연구 분야
연구 영역 전체보기
비동질 데이터 환경에서의 연합학습 보안·프라이버시 및 이기종성 대응 연구
Heterogeneity-aware Secure Federated Learning for IoT and Wireless Sensor Networks
연구 분야 상세보기
비동질 데이터 환경에서의 연합학습 보안·프라이버시 및 이기종성 대응 연구
Heterogeneity-aware Secure Federated Learning for IoT and Wireless Sensor Networks
연구 분야 상세보기
네트워크·엣지 인지 자원 배치와 태스크 오프로딩 최적화 연구
Network-aware Resource Provisioning and Task Offloading in Edge Computing
연구 분야 상세보기
교통·제조·에너지 분야에서의 예측 및 스케줄링 최적화 연구
AI-based Trajectory Prediction and Scheduling for Transportation and Manufacturing
연구 분야 상세보기
연구 성과 추이
표시된 성과는 수집된 데이터 기준으로 산출되며, 일부 차이가 있을 수 있습니다.
5개년 연도별 논문 게재 수
21총합
5개년 연도별 피인용 수
285총합
주요 논문
5
논문 전체보기
1
article
|
인용수 10
·
2024Robust Long-Term Vehicle Trajectory Prediction Using Link Projection and a Situation-Aware Transformer
Minsung Kim, Byung Il Kwak, Jong‐Uk Hou, Taewoon Kim
IF 3.5 (2024)
Sensors
The trajectory prediction of a vehicle emerges as a pivotal component in Intelligent Transportation Systems. On urban roads where external factors such as intersections and traffic control devices significantly affect driving patterns along with the driver's intrinsic habits, the prediction task becomes much more challenging. Furthermore, long-term forecasting of trajectories accumulates prediction errors, leading to substantially inaccurate predictions that may deviate from the actual road. As a solution to these challenges, we propose a long-term vehicle trajectory prediction method that is robust to error accumulation and prevents off-road predictions. In this study, the Transformer model is utilized to analyze and forecast vehicle trajectories. In addition, we propose an extra encoding network to precisely capture the effect of the external factors on the driving pattern by producing an abstract representation of the situation nearby the driver. To avoid off-road predictions, we propose a post-processing method, called link projection, which projects predictions onto the road geometry. Moreover, to overcome the limitations of Euclidean distance-based evaluation metrics in evaluating the accuracy of the entire trajectory, we propose a new metric called area-between-curves (ABC). It measures the similarity between two trajectories, and thus the accordance between the two can be effectively evaluated. Extensive evaluations are conducted using real-world datasets against widely-used methods to demonstrate the effectiveness of the proposed approach. The results show that the proposed approach outperforms the conventional deep learning models by up to 65.74% (RMSE), 60.13% (MAE) and 91.45% (ABC).
https://doi.org/10.3390/s24082398
Term (time)
Computer science
Trajectory
Transformer
Control theory (sociology)
Artificial intelligence
Engineering
Electrical engineering
Physics
Voltage
2
article
|
인용수 1
·
2024Optimal Model Transfer and Dynamic Parameter Server Selection for Efficient Federated Learning in IoT-Edge Systems With Non-IID Data
Tesfahunegn Minwuyelet Mengistu, Jenn-Wei Lin, Po-Hsien Kuo, Taewoon Kim
IF 3.6 (2024)
IEEE Access
Distributed and privacy-preserving federated learning (FL) has been associated with edge computing systems for developing intelligent IoT applications. However, collecting data individually in each FL node may result in non-independent and identically distributed (non-IID) training data, which can significantly impair FL performance. To address this, we propose a model transfer approach that allows a FL client to train its model on more datasets, collectively forming an IID virtual dataset. In the proposed approach, FL clients are classified as transfer-demand or aggregation-inclined based on their local model’s experienced data label distributions. Transfer-demand clients transfer their models to helper clients that can support their lacking labels, while aggregation-inclined clients have enough data labels in their training models, and thus, they participate in the model aggregation. However, two or more transfer-demand clients may contend with the same helper client. To resolve the contention, we apply the minimum-cost maximum-matching (MCMM) framework and integer linear programming to find the optimal solution. To minimize model transmission costs among FL clients, we use a Steiner tree-based solution to dynamically allocate a parameter server that aggregates the local models from clients. Finally, we perform extensive simulation experiments with different problems, and our proposed approach significantly outperforms baseline methods, in the case of MNIST achieves 99.02% accuracy and reduces the communication cost within the range of 20% to 66% and in the case of CIFAR-10 dataset, enhances the accuracy at least 24% and communication cost in the range of 29.48% to 63.09% in comparison with non-IID baseline approaches.
https://doi.org/10.1109/access.2024.3487073
Computer science
Selection (genetic algorithm)
Enhanced Data Rates for GSM Evolution
Transfer (computing)
Transfer of learning
Internet of Things
Computer network
Server
Distributed computing
Data modeling
3
article
|
인용수 51
·
2024A Survey on Heterogeneity Taxonomy, Security and Privacy Preservation in the Integration of IoT, Wireless Sensor Networks and Federated Learning
Tesfahunegn Minwuyelet Mengistu, Taewoon Kim, Jenn-Wei Lin
IF 3.5 (2024)
Sensors
Federated learning (FL) is a machine learning (ML) technique that enables collaborative model training without sharing raw data, making it ideal for Internet of Things (IoT) applications where data are distributed across devices and privacy is a concern. Wireless Sensor Networks (WSNs) play a crucial role in IoT systems by collecting data from the physical environment. This paper presents a comprehensive survey of the integration of FL, IoT, and WSNs. It covers FL basics, strategies, and types and discusses the integration of FL, IoT, and WSNs in various domains. The paper addresses challenges related to heterogeneity in FL and summarizes state-of-the-art research in this area. It also explores security and privacy considerations and performance evaluation methodologies. The paper outlines the latest achievements and potential research directions in FL, IoT, and WSNs and emphasizes the significance of the surveyed topics within the context of current technological advancements.
https://doi.org/10.3390/s24030968
Computer science
Internet of Things
Wireless sensor network
Context (archaeology)
Data sharing
Raw data
Data science
Information privacy
World Wide Web
Computer security
최신 정부 과제
2
과제 전체보기
1
주관|
2021년 5월-2024년 2월
|45,778,000원공공안전 및 재난 통신을 위한 지능형 무선 네트워크 최적화 기술 연구
각 연차별 상세 연구내용은 다음과 같다.
<1차연도>
1.1. 이동통신 서비스 장애 대응을 위한 네트워크 자원 최적화 및 실시간 응답성 개선 기술 연구
- BS-UE-채널 할당 문제 수식화 및 Unimodality 특성을 활용한 Convexify 기법연구
- Inter-MNO 로밍 환경에서 NOMA 통신 성능 개선을 위한 UE Pairing 및 전송전력 최적화 연구
- 실시간 응답성 확보를 위한 Distributed NOMA Resource Scheduling 기법연구
1.2. 이동통신 서비스 장애 대응을 위한 UAV 기반의 통신 연결성 확보 기술 연구
- 통신 커버리지 최대화 및 평균 단절 확률을 최소화하는 최적의 비행경로 계획 기법연구
- UAV와 지상 기지국/단말 간 빈번한 통신 단절에 대비한 Opportunistic Association 기법연구
- UAV Lifetime을 최대화하는 전송전력 및 라우팅 경로 최적화 기법연구
<2차연도>
2.1. 비동기 분산 강화학습 기반의 실시간 네트워크 자원 최적화 기술 연구
- (중앙의 제어가 부재한 재난 상황 고려) 액터러너-글로벌신경망 구조의 비동기 강화학습 기법을 활용한 UE-BS Association 및 UE Pairing 최적화 기법연구
- 글로벌 신경망의 편향을 방지하기 위한 가중치 기반의 비동기 분산 업데이트 기법연구
- 글로벌 신경망의 편향을 방지하기 위한 가중치 기반의 비동기 분산 업데이트 기법연구
2.2. UAV 비행 경로 인지 기반의 실시간 분산 전력 제어 기술 연구
- 네트워크 상황(UAV 비행 경로 및 가용 RRH) 인지에 기반한 전송전력 최적화 기법연구
- 신호 간섭 최소화를 위한 분산 전송 전력 제한 기법연구
- 전력 제어 알고리즘 복잡도 감소를 위한 Dual (sub)Gradient Descent 기반의 Iterative Power Control 알고리즘 연구
2.3. 샘플 효율적인 강화 학습 기반의 실시간 비행 경로 계획 최적화 기술 연구
- 효과적 특징 표현 학습 및 오프 폴리시 기반의 샘플 효율적인 강화 학습 기법연구
- 정책의 앙상블을 활용한 샘플 효율적인 강화 학습 기법연구
- 연속적 행동 공간을 위한 강화학습 기법 연구(TD3, PPO, SAC 등) 및 이에 기반한 비행경로 최적화 기법연구
<3차연도>
3.1. 자율적 통신 장애 대응 기법 구현 및 시뮬레이션 기반 성능 검증
- 오픈 소스 시뮬레이션 SW (예: ns-3) 기반의 C-RAN 이동통신 시뮬레이션 환경 구축
- 시뮬레이션 환경에 제안하는 자율 통신 장애 대응 기술 구현
- 통신 Trace Log 추출, 분류, 레이블링 및 데이터베이스 축적 기능구현
- 각 단말별 통신 성능(처리량, 응답시간, 통신 단절 빈도) 모니터링 기능구현
3.2. 자율적 통신 장애 대응 기법 구현 및 테스트베드 기반 실증
- NI-USRP 기반의 C-RAN 통신 실증을 위한 테스트베드 구축
- 테스트베드 환경에 제안하는 자율 통신 장애 대응 기술 구현
- 통신 Trace Log 추출, 분류, 레이블링 및 데이터베이스 축적 기능구현
- 각 단말별 통신 성능(처리량, 응답시간, 통신 단절 빈도) 모니터링 기능구현
3.3. 프로파일(시나리오) 기반의 재난 상황 재현 시스템 구축
- Type-3 장애 상황을 상세 분류 및 프로파일 형태로 저장 (예: 연속적으로 광범위한 지역에서 통신 장애가 발생한 경우, 불연속적 공간에서 광범위하게 통신 장애가 발생한 경우 등) 기능구현
- 장애 상황 프로파일 생성/설정, DB 저장, Load 기능 구현
- 시뮬레이션 SW 및 테스트베드 환경에 동일한 인터페이스로 동작하는 통신 장애 프로파일 호출 시스템 구현
공공 안전
재난 통신
무선 네트워크
지능형 통신
이동통신
자원 최적화
클라우드 무선 접속 네트워크
비 직교
2
주관|
2021년 5월-2024년 2월
|41,080,000원공공안전 및 재난 통신을 위한 지능형 무선 네트워크 최적화 기술 연구
각 연차별 상세 연구내용은 다음과 같다.
<1차연도>
1.1. 이동통신 서비스 장애 대응을 위한 네트워크 자원 최적화 및 실시간 응답성 개선 기술 연구
- BS-UE-채널 할당 문제 수식화 및 Unimodality 특성을 활용한 Convexify 기법연구
- Inter-MNO 로밍 환경에서 NOMA 통신 성능 개선을 위한 UE Pairing 및 전송전력 최적화 연구
- 실시간 응답성 확보를 위한 Distributed NOMA Resource Scheduling 기법연구
1.2. 이동통신 서비스 장애 대응을 위한 UAV 기반의 통신 연결성 확보 기술 연구
- 통신 커버리지 최대화 및 평균 단절 확률을 최소화하는 최적의 비행경로 계획 기법연구
- UAV와 지상 기지국/단말 간 빈번한 통신 단절에 대비한 Opportunistic Association 기법연구
- UAV Lifetime을 최대화하는 전송전력 및 라우팅 경로 최적화 기법연구
<2차연도>
2.1. 비동기 분산 강화학습 기반의 실시간 네트워크 자원 최적화 기술 연구
- (중앙의 제어가 부재한 재난 상황 고려) 액터러너-글로벌신경망 구조의 비동기 강화학습 기법을 활용한 UE-BS Association 및 UE Pairing 최적화 기법연구
- 글로벌 신경망의 편향을 방지하기 위한 가중치 기반의 비동기 분산 업데이트 기법연구
- 글로벌 신경망의 편향을 방지하기 위한 가중치 기반의 비동기 분산 업데이트 기법연구
2.2. UAV 비행 경로 인지 기반의 실시간 분산 전력 제어 기술 연구
- 네트워크 상황(UAV 비행 경로 및 가용 RRH) 인지에 기반한 전송전력 최적화 기법연구
- 신호 간섭 최소화를 위한 분산 전송 전력 제한 기법연구
- 전력 제어 알고리즘 복잡도 감소를 위한 Dual (sub)Gradient Descent 기반의 Iterative Power Control 알고리즘 연구
2.3. 샘플 효율적인 강화 학습 기반의 실시간 비행 경로 계획 최적화 기술 연구
- 효과적 특징 표현 학습 및 오프 폴리시 기반의 샘플 효율적인 강화 학습 기법연구
- 정책의 앙상블을 활용한 샘플 효율적인 강화 학습 기법연구
- 연속적 행동 공간을 위한 강화학습 기법 연구(TD3, PPO, SAC 등) 및 이에 기반한 비행경로 최적화 기법연구
<3차연도>
3.1. 자율적 통신 장애 대응 기법 구현 및 시뮬레이션 기반 성능 검증
- 오픈 소스 시뮬레이션 SW (예: ns-3) 기반의 C-RAN 이동통신 시뮬레이션 환경 구축
- 시뮬레이션 환경에 제안하는 자율 통신 장애 대응 기술 구현
- 통신 Trace Log 추출, 분류, 레이블링 및 데이터베이스 축적 기능구현
- 각 단말별 통신 성능(처리량, 응답시간, 통신 단절 빈도) 모니터링 기능구현
3.2. 자율적 통신 장애 대응 기법 구현 및 테스트베드 기반 실증
- NI-USRP 기반의 C-RAN 통신 실증을 위한 테스트베드 구축
- 테스트베드 환경에 제안하는 자율 통신 장애 대응 기술 구현
- 통신 Trace Log 추출, 분류, 레이블링 및 데이터베이스 축적 기능구현
- 각 단말별 통신 성능(처리량, 응답시간, 통신 단절 빈도) 모니터링 기능구현
3.3. 프로파일(시나리오) 기반의 재난 상황 재현 시스템 구축
- Type-3 장애 상황을 상세 분류 및 프로파일 형태로 저장 (예: 연속적으로 광범위한 지역에서 통신 장애가 발생한 경우, 불연속적 공간에서 광범위하게 통신 장애가 발생한 경우 등) 기능구현
- 장애 상황 프로파일 생성/설정, DB 저장, Load 기능 구현
- 시뮬레이션 SW 및 테스트베드 환경에 동일한 인터페이스로 동작하는 통신 장애 프로파일 호출 시스템 구현
공공 안전
재난 통신
무선 네트워크
지능형 통신
이동통신
자원 최적화
클라우드 무선 접속 네트워크
비 직교
최신 특허
특허 전체보기
전체 특허
엣지 컴퓨팅에서 서비스 프로비저닝을 위한 시스템, 방법, 및 프로그램
상태
등록출원연도
2022출원번호
1020220042713핸드오프 과정에서 컨테이너의 마이그레이션을 수행하는 모바일 엣지 컴퓨팅 시스템
상태
등록출원연도
2021출원번호
1020210149441환경인지형 자동화 N-스크린 디스플레이 시스템, 방법 및 프로그램
상태
등록출원연도
2021출원번호
1020210114071