Mainpage (KR)

멀티에이전트 통신 및 네트워크 연구실

MCNL 구성원 (2022년 5월)

이화여자대학교 전자전기공학전공의 멀티에이전트 통신 및 네트워크 연구실입니다.

본 연구실에서 진행하는 연구 분야는 멀티에이전트 네트워크 시스템에서 인공지능/머신러닝 기반 분산적 의사 결정 전략, 인공지능 기반 5G/B5G 네트워크 데이터 분석, 지능형 5G네트워크 시스템 자동 자원 관리 전략, 네트워크 코딩 기반 효율적이고 오류에 강한 데이터 스트리밍 전략, 사물 인터넷의 빅데이터 처리 및 머신러닝을 통한 데이터 스트림 마이닝 알고리즘 개발, 게임이론을 이용한 자원 관리의 공평성 및 최적화 패러다임에 관한 연구등이 있습니다.

우리 연구실은 현재 '분산/협력 AI 기반 5G+ 네트워크 데이터 분석 기능 및 제어 기술 개발' (정보통신/방송 연구개발 사업, 정보통신기획평가원(IITP)-과학기술정통부), '네트워크 자동화를 위한 개방형 네트워크 데이터 분석 기반 지도형 애자일 머신러닝 기술 개발' (정보통신/방송 연구개발 사업, 정보통신기획평가원(IITP)-과학기술정통부), 5G/B5G에서 그래프 신경망을 이용한 상호 분리형 희소 네트워크에 관한 연구' (중견연구자사업, 한국연구재단(NRF)-과학기술정통부)등의 프로젝트를 진행하고 있습니다. 현재 진행중인 프로젝트의 설명은 연구분야 페이지를 참조하십시오.

본 연구실에서는 진행하는 프로젝트에 참여할 석박사과정 학생 및 박사후과정 연구원을 선발합니다. 관심이 있는 분은 박형곤 교수에게 자신의 CV (또는 레쥬메)와 함께 이메일을 보내주십시오.

연구

연구 주제

인공지능/머신러닝 기반 멀티에이전트 시스템 분산적 의사 결정 전략
설명가능한 딥러닝 모델 경량화 알고리즘 연구
지능형 5G-Adv/6G 네트워크 시스템 자동 관리 알고리즘 연구
사물 인터넷의 빅데이터 처리 및 머신러닝을 통한 데이터 스트림 마이닝 알고리즘 개발
게임이론을 이용한 자원 관리의 공평성 및 최적화 패러다임에 관한 연구

진행중인 프로젝트

분산/협력 AI 기반 5G+ 네트워크 데이터 분석 기능 및 제어 기술 개발

- 연구사업명 및 지원기관: 방송통신산업기술개발 사업, 정보통신기획평가원(IITP), 과학기술정보통신부
- 연구참여형태: 총괄연구책임자 (참여연구기관: 경희대학교, 숭실대학교, 포항공과대학교, ETRI, LG U+)
- 연구과제 규모: 총 35.5억원 (연 7.5억원)
- 연구기간: 2021.04-2025.12
- 연구과제 요약: 분산/협력 인공지능 기반 5G+ 이동통신 네트워크 데이터 분석 기능(NWDAF) 및 제어 기술개발을 최종 목표로, 다중 네트워크 데이터 분석 기능간 상호 호환적인 분산/협력 AI 알고리즘을 통한 5G+ 네트워크에서 요구되는 추론 및 동작을 제공하는 네트워크 지능화 기술에 대한 연구와 분산/협력 플랫폼 개발을 하고자 한다. 본 최종 연구 목표를 달성하기 위하여 1) 네트워크 데이터의 효율적 처리를 위한 상위 레벨 데이터 치환 알고리즘 및 데이터 분석을 위한 최적 학습모델 자동 추천 기술 개발, 2) 분산된 네트워크 데이터와 제어 기능 동작을 다중 네트워크 데이터 분석 기능의 협력 학습을 통해 네트워크를 동적 분석·제어하는 자동화 알고리즘 및 추론 모델 개발, 3) 다중 네트워크 데이터 분석 기능간 협력 학습을 지원하는 5G+이동통신 네트워크 분석 기능 구조 및 인공지능 프레임워크 개발 및 4) 개발한 기술의 시장성 확보를 위한 국제표준 반영 및 표준특허 확보하고자 한다.

인간중심 스마트팩토리를 위한 지능형 IIoT(Industrial Internet of Things) 융복합 인재양성 교육연구단

- 연구사업명 및 지원기관: 4단계 두뇌한국21(BK21) 사업, 교육부
- 연구참여형태: 공동연구자
- 연구기간: 2020.09-2027.08
- 연구과제 요약: 인간 중심의 스마트팩토리를 위한 창의융복합 인재양성, 세계 수준의 연구성과를 통한 스마트팩토리 산업문제 해결 및 신산업창출, 교육-연구-산학협력 성과의 확산을 통한 사회적 가치 제고를 목표로 △Smart Network △AI & Big Data △Smart Sensor △Human-centric System △Cyber Physical System의 5대 중점 분야 연구를 수행하게 된다. 본 사업단은 교육-연구-산학협력의 선순환 체계를 구축하고, 다양한 국제 교류, 해외 연구실 공동연구 등을 통해 연구의 수월성을 확보해 스마트팩토리 분야의 국제적 리더를 양성하고자 한다. 또한 산학협력 활성화를 위한 제도적 장치를 마련하고, 산업체·지자체·지역사회 구성원들과의 활발한 협력을 통한 스마트팩토리 기술기반 산업문제 해결을 위해 노력해나갈 계획이다.

자세히...

강의

2023년 1학기 :: Spring 2023

2022년 2학기 :: Fall 2022

2022년 1학기 :: Spring 2022

자세히...

연구실 소식

2023년 5월: 우리 연구실 차채연 석박사통합과정 학생과 박형곤 교수의 논문 "V2G에서 비용 최소화를 위한최적 에너지 저장 장치 결정 전략"이 한국통신학회 논문지에 게재되었습니다. 본 논문은 전기차를 움직이는 전력원으로 사용하는 에너지 그리드인 V2G(Vehicle-to-Grid) 기술에서 전기차 구동에 필요한 전력 구입 비용을 최소화하는 에너지 교환 의사 결정 전략을 제안하였습니다. V2G에서 에너지 생산 및 소비, 전기차의 유입량과 에너지 구매/판매량에 대한 수학적 모델을 통하여 에너지 가격에 따른 전기차의 에너지 교환 최적 시점, 에너지 저장 장치 선택과 에너지의 최적 구매/판매량을 결정할 수 있는 최적화 해법을 제안하였습니다. 실험을 통해 제안한 최적화 해법이 전기차 구동을 위한 에너지 구입 비용을 최소화할 수 있으며 V2G의 에너지 분포를 안정화할 수 있음을 보였습니다. 본 논문은 2022년 현대자동차그룹 미래기술시나리오 공모과제를 수행한 결과물을 바탕으로 작성되었습니다.
2022년 11월: 우리 연구실 권정민 박사과정 학생과 박형곤 교수의 논문, "Missing Traffic Data Imputation Using Multi-Trajectory Parameter Transferred LSTM" 이 인공지능 세계 최고 학회인 Conference on Neural Information Processing Systems (NeurIPS 2022)의 워크샵 Machine Learning for Autonomous Driving Workshop에서 발표될 예정입니다. 본 논문에서는 공간적으로 구분되는 여러 경로 및 연속적인 데이터의 시간적 상관도를 이용하여 잃어버린 데이터를 효과적으로 복원할 수 있는 Data Imputation알고리즘을 LSTM을 기반으로 제시하였습니다. 일반적인 LSTM 구조를 사용할 경우 높은 차원의 데이터를 한번에 처리하기 위한 높은 복잡도 요구사항과 시공간 상관도를 명시적으로 고려할 수 없기 때문에, 이를 해결하기 위하여 시공간 상관도를 명시적으로 고려할 수 있도록 단순화된 LSTM을 다수로 배치하고, 중간 학습된 파라미터의 전달 및 교환 통하여 낮은 복잡도 및 성능 향상을 할 수 있는 MPT-LSTM 아키텍쳐를 제안하였습니다. 본 알고리즘은 시간적 제한조건이 매우 중요한 B5G/6G 네트워크의 다양한 버티컬 서비스를 지원하는데 큰 기여를 할 것으로 기대하고 있습니다.
2022년 10월: 우리 연구실 최다영 학생, 이주홍 석박통합과정 학생과 박형곤 교수가 제3회 인공지능 학술대회에서 발표한 논문 "네트워크 트래픽의 특징 그룹을 이용한 오토인코더 기반 이상탐지에 관한 연구"이 우수논문으로 선정되어 우수논문상을 수상하였습니다. 본 논문을 통하여 고차원의 네트워크 트래픽에서 발생하는 이상 징후 탐지를 최대화하고자 특징 그룹을 이용한 오토인코더 기반 이상탐지 시스템을 제안하였습니다.
2022년 9월: 우리 연구실에서 제안한 "안정된 에너지 그리드를 위한 인공지능 기반 V2G(Vehicle-to-Grid)"이 현대자동차그룹 미래기술시나리오 공모에 채택되었습니다. 본 제안 미래기술은 V2G 환경에서 전기차를 모빌리티를 가진 양방향 에너지 저장장치로 활용하여 최적의 시점에, 최적의 장소에서, 최적의 전력량을 결정할 수 있는 인공지능 기반 의사 결정 전략의 필요성과, 이를 위하여 1) 에너지 그리드의 에너지 분포 추론 및 에너지 불균등 분포 공유 2) 인공지능 기반 에너지 및 차량 이동 경로 예측 3) 인공지능 기반 최적의 의사 결정 기술 확보에 대한 방향성을 제시하였습니다.
2022년 8월: 우리 연구실 차채연 석사과정 학생이 Qualcomm IT Tour 2022에 선발되어 참가하였습니다. 퀄컴 IT 투어는 지난 2003년부터 시작되었으며 팬더믹 이후에 다시 개최되어 올해로 18주년을 맞이한 행사로, 서류심사와 면접을 통해 선발된 국내 우수 이공계 대학생 및 대학원생 22명을 퀄컴 미국 본사로 초청하여 각 부서 담당 엔지니어들로부터 디지털 혁신을 가속화하는 퀄컴의 다양한 첨단 모바일 및 무선통신 기술에 대한 설명을 듣고 직접 체험할 수 있는 기회를 가졌습니다.
2022년 8월: 우리 연구실 권정민 박사과정 학생과 박형곤 교수의 논문 "Efficient Low-rank Federated Learning based on Singular Value Decomposition"이 The ACM International Symposium on Mobile Ad Hoc Networking and Computing (Mobihoc 2022)에서 발표될 예정입니다. 본 논문에서는 SVD(Singular Value Decomposition)를 기반의 연합학습(Federated Learning) 알고리즘을 제안하였습니다. 서버와 클라이언트 간에 교환해야 하는 매개변수를 분해하여 분산 모델 학습을 위한 통신 비용을 크게 줄일 수 있음을 보였습니다. 근사적으로 복구된 매개변수를 사용하여 로컬 모델 정확도에 대한 성능은 유지하면서 전송 횟수가 크게 감소함을 실험을 통하여 확인하였습니다.
2022년 7월: 우리 연구실 차채연 석사과정 학생과 박형곤 교수의 논문 "ECS-NBS: Exact Computation of Sequential Nash Bargaining Solutions"이 IEEE Transactions on Vehicular Technology저널에 게재되었습니다. 본 논문에서는 각 사용자가 Constant relative risk aversion (CRRA) 형태의 효용함수를 가질 때, 시간에 따라 변하는 자원과 상관 없이 연속적인 Nash bargaining solution(NBS)을 완벽하게 계산할 수 있는 알고리즘인 ECS-NBS를 제안하였습니다. 일반적으로 알고리즘이 반복적인 방법으로 NBS를 계산하는 것과 달리 제안하는 알고리즘은 수학적인 방법으로 정확하게 계산, NBS를 찾기 위한 반복을 포함하지 않아 가장 낮은 복잡도를 갖는 최적의 해를 찾는 알고리즘입니다.
2022년 6월: 우리 연구실 권정민 박사과정 학생과 박형곤 교수의 특허, "Method and Device for Data Transmission in V2I Network"가 미국 특허로 등록되었습니다. 본 특허는 V2I 네트워크에서 차량(on-board unit, OBU)으로 전달되는 데이터의 통신을 효율적이고 고신뢰도의 송신 특성을 갖도록 조직 네트워크 코딩을 통해 데이터의 양의 데이터를 인코딩하여 전달하는 방법을 제안하였습니다.
2022년 5월: 우리 연구실 김나영 석사과정 학생, 박형곤 교수와 숭실대학교 권민혜교수의 논문 "Curriculum Reinforcement Learning for Cohesive Team in Mobile Ad Hoc Networks"이 IEEE Communications Letters저널에 게재되었습니다. 본 논문에서는 모바일 노드가 자율적으로 최적의 위치를 협력적인 팀의 형태로 학습해 네트워크를 구축하는 강화학습 기반 인공지능 알고리즘을 제안하였습니다. 각 모바일 노드는 부분 관찰 데이터를 기반으로 간접적으로 네트워크 내 각자의 역할을 학습할 수 있습니다. 특히 학습 속도를 향상시키기 위한 커리큘럼 기반 강화학습 알고리즘을 제안하였습니다.
2022년 3월: 우리 연구실 권정민 박사과정 학생, 차채연 석사과정 학생과 박형곤 교수의 특허, "파라미터 전이 LSTM을 이용한 손실 데이터 복구방법 및 장치"가 국내 특허로 등록되었습니다.
2022년 1월: 우리 연구실 이주홍 석사과정 학생, 정다은 연구원과 박형곤 교수의 논문 "입력 데이터 무작위도 특성이 기본 오토인코더와 적층 오토인코더의 학습 성능에 미치는 영향"이 한국통신학회 논문지에 게재되었습니다. 본 논문에서는 입력 데이터의 무작위도가 오토인코더의 학습 성능에 미치는 영향을 알아보기 위하여 가우시안 분포를 따르는 입력 데이터에 대하여 입력 데이터의 무작위도와 오토인코더의 학습 성능이 선형 관계에 있음을 이론적으로 증명하였습니다. 기본 구조의 오토인코더와 적층 오토인코더에 대해서 은닉층의 수에 관계없이 입력 데이터의 무작위도가 오토인코더의 학습 성능과 선형 관계에 있음을 확인하였고, 은닉층의 노드 개수가 증가할수록 오토인코더의 학습 손실이 감소하며, 입력 데이터의 무작위도에 따른 학습 손실의 변화가 적음을 알아내었습니다.
2021년 11월: 우리 연구실 이주홍 석사과정 학생, 정다은 연구원과 박형곤 교수가 한국통신학회 하계종합학술발표회에서 발표한 논문 "입력 데이터 무작위도에 따른 오토인코더의 학습 성능에 관한 연구"이 우수논문으로 선정되어 수상하였습니다. 본 논문을 통하여 입력 데이터의 무작위도가 오토인코더의 학습 성능에 미치는 영향에 대해 분석하고, 오토인코더의 은닉층의 노드 개수를 결정할 때 입력 데이터의 무작위도를 계산하여 학습 성능을 예측할 수 있다는 사실을 확인하였습니다.
2021년 11월: 우리 연구실 김나영 석사과정 학생, 숭실대학교 권민혜 교수와 박형곤 교수의 논문 "랜덤 이동 모델을 따르는 무선 노드의 Q-learning 기반 애드혹 네트워크 구축 전략"이 한국통신학회 논문지에 게재되었습니다. 본 논문에서 제안하는 방안은 랜덤하게 이동하는 노드들로 구성된 네트워크에서 중앙 제어 없이 전력 소모를 최소화하는 동시에 네트워크 처리율을 최대로 유지하는 것을 목표로 노드를 Q-learning 기반의 강화학습을 사용하여 학습, 모바일 애드혹 네트워크 구축 알고리즘을 제시하였습니다. 시뮬레이션 결과를 통해 제안한 알고리즘이 네트워크 크기와 이동 모델과 관계없이 항상 높은 네트워크 처리율을 유지할 뿐만 아니라 에너지 소비를 최소화할 수 있음을 확인하였습니다.
2021년 9월: 우리 연구실 차채연 석사과정 학생이 여현영, 심서영, 홍수민 인턴 학생, 그리고 박형곤 교수와 함께 발표한 논문 "다수의 병렬 가중 모델 기반 스마트팩토리 에너지 사용량 예측 알고리즘에 관한 연구"으로 제2회 한국 인공지능 학술대회에서 최우수 논문상을 수상하였습니다. 본 논문에서는 스마트팩토리의 에너지 사용량을 예측하기 위하여 다수 병렬 가중 모델을 이용한 알고리즘을 개발하여 에너지 예측 알고리즘의 성능을 향상하였습니다.
2021년 7월: 우리 연구실 정다은 석사과정 학생, 이정진 연구원과 박형곤 교수의 논문, "Feature expansion of single dimensional time series data for machine learning classification"이 International Conference on Ubiquitous and Future Networks (ICUFN 2021) 에서 발표하였습니다. 본 논문에서는 1차 시계열 데이터의 분류 문제를 머신러닝으로 해결할 때 분류 성능을 향상 시키기 위하여 시간적, 주파수적, 통계적 특성을 이용한 특성 확장(feature expansion)을 제안하였고, 이를 통하여 동일한 머신러닝 알고리즘의 성능 향상됨을 확인할 수 있었습니다.
2021년 5월: 우리 연구실 권정민 박사과정 학생, 차채연 석사과정 학생과 박형곤 교수의 논문, "Multilayered LSTM with Parameter Transfer for Vehicle Speed Data Imputation"이 IEEE International Symposium on Circuits and Systems (IEEE ISCAS 2021) 에서 발표하였습니다. 본 논문에서는 시간적 상관관계가 있는 데이터 특성을 반영할 수 있는 다중 레이어 LSTM (M-LSTM) 기반 파라미터 전이 방식 학습 알고리즘 및 아키텍쳐를 제안하여 시간적 상관도가 높은 데이터의 경우 매우 낮은 복잡도로 학습이 가능함을 보였습니다.
2021년 4월: 우리 연구실 권정민 박사과정 학생, 차채연 석사과정 학생과 박형곤 교수의 논문, "Bidirectional Imputation of Spatio-Temporal Data based on LSTM with Parameter Transfer"이 IEEE Wireless Communications and Networking Conference (IEEE WCNC 2021) 에서 발표하였습니다. 본 논문에서는 시공간 상관관계가 높은 데이터 중 일부를 잃어 버리거나 손실되어 복원을 해야 하는 경우 내재된 데이터의 시공간 상관관계를 이용할 수 있는 딥러닝 기반 파라미터 전이 LSTM의 구조를 제시하고 양방향 데이터 복원 알고리즘을 제안하였습니다. 제안한 알고리즘은 매우 빠른 학습속도로 데이터 복원을 하면서 정확도는 유지할 수 있음을 실험을 통하여 증명하였습니다.
2021년 4월: 우리 연구실 권정민 박사과정 학생과 박형곤 교수의 특허, "V2I 네트워크의 핸드오버 구간에서 데이터를 효율적으로 송신하기 위한 방법 및 장치"가 국내특허로 등록되었습니다 본 특허는 V2I 네트워크의 핸드오버 구간에서 데이터를 효율적으로 송신하기 위한 방법 및 시스템에 관한 것으로, 도로를 주행하는 차량이 핸드오버 구간에 있을 때를 고려하여 데이터를 조직 네트워크 코딩(Systematic Network Coding, SNC)을 수행함으로써 데이터를 효율적으로 송신하는 위한 방법 및 시스템을 제안하였다.
2021년 3월: 우리 연구실 권정민 박사과정 학생과 박형곤 교수의 특허, "V2I 네트워크에서 예측된 데이터 양에 따른 고신뢰도 데이터 송신 방법 및 장치"가 국내특허로 등록되었습니다 본 특허는 V2I 네트워크에서 예측된 데이터 양에 따른 고신뢰도 데이터 송신방법 및 시스템에 관한 것으로 도로를 주행하는 차량에 최대로 전송될 수 있는 데이터의 양을 이용하여 조직 네트워크 코딩을 통해 데이터를 송신하는 방법 및 시스템을 제안하였다.
2021년 2월: 우리 연구실 차채연 학부생 연구원이 2020년도 한국통신학회 추계종합학술발표회 학부논문경진대회에서 "차량 사물 통신 환경에서 파라미터 공유 LSTM 기반 도로 속도 예측 알고리즘에 관한 연구" 논문으로 장려상을 수상했습니다.
2020년 11월: 우리 연구실 권정민 박사과정 학생, 차채연 학부생 연구원과 박형곤 교수의 논문, "Vehicle Speed Data Imputation based on Parameter Transferred LSTM" 이 인공지능 세계 최고 학회인 Conference on Neural Information Processing Systems (NeurIPS 2020)의 워크샵 Machine Learning for Autonomous Driving Workshop에서 발표될 예정입니다. 본 논문에서는 고속도로상 자동차 속도 데이터의 시공간 상관도를 이용하여 잃어버린 데이터를 효과적으로 복원할 수 있는 Data Imputation알고리즘을 딥러닝의 한 종류인 LSTM을 기반으로 제시하였습니다. 기존의 LSTM 구조를 발전시켜 학습된 파라미터의 전달 및 교환을 할 수 있는 다수 레이어로 구성된 PT-LSTM 아키텍쳐를 제안하였으며, 이를 통하여 학습 속도를 매우 빠르게 할 수 있음을 증명하였습니다. 본 알고리즘은 시간적 제한조건이 매우 중요한 5G네트워크의 V2I 버티컬 서비스를 지원하는데 큰 기여를 할 것으로 기대하고 있습니다.