연구

  • HOME
  • > 연구
  • > 연구실 소개

연구

    연구실 소개

    • Pattern Recognition and Machine Learning Lab

      지도교수 이성환

      본 연구실은 인공지능의 핵심인 패턴인식 및 머신러닝 기법을 개발하고, 이를 다양한 응용 분야에
      적용하는 연구를 진행하고 있습니다. 구체적으로 인공지능의 의사 결정을 설명할 수 있는
      Explainable AI 기술, 카메라 영상 분석을 통해 사람의 행동 분석 및 예측이 가능한
      Cognitive Computer Vision 기술, 항공 영상의 객체 검출, 위치 추정, 변화 탐지를 위한
      Aerial Image Analysis 기술, 인간 뇌의 작동 원리를 모방한 Brain-inspired AI 기술, 뇌 신호
      분석을 통해 생각만으로 외부 장치를 제어할 수 있도록 하는 Brain-Computer Interface 기술 등을 연구 중에 있습니다.

    • Statistical Machine Learning Lab

      지도교수 정원주

      본 연구실에서는 기계 학습, 딥러닝, 통계적 학습 분야를 폭넓게 연구합니다.
      적용 분야는 뇌신호 분석을 통한 Brain-Computer interface분야, Few Shot learning 분야
      이미지 생성및 변환, 음성 합성및 분석 등의 여러 응용문제를 다룹니다.

    • Data Intelligence Lab

      지도교수 이상근

      데이터 인텔리전스 연구실은 [Towards R&D Excellence]라는 비전을 가지고
      [One-of-a-kind]한 연구를 수행합니다. 주요 연구분야는 지식베이스 및 딥러닝 기반 인공지능,
      온디바이스 (On-device) 인공지능과 이를 활용한 신개념 인공지능 서비스 개발 입니다.

    • Brain Reverse Engineering by Intelligent Neuroimaging Lab

      지도교수 성준경

      뇌 질환의 진단 및 분석에 사용되는 다양한 의료영상들 중에서 구조적 자기공명영상, 기능적
      자기공명영상, 텐서확장영상을 이용하여 전산학적 방법으로 통합 분석하고 있습니다. 각 영상마다
      가지는 특성에 맞추어 곡률기반 분석, 구조 분석, 네트워크 분석 등을 진행하고 있습니다.

    • Cognitive Systems Lab

      지도교수 Christian Wallraven

      In the cognitive Systems Lab, we have two main goals: -our first goal is to enhance our
      understanding of the algorithms employed by thr human cognitive system throufn the
      use of cutting-edge methods from machine learning and computer graphocs coupled
      with perceptual and cognitiver experiments. Our second goal is to transfer this
      knowledge to implementations of intelligent, artifical cognitive systems which can be
      used in rocotrics, computer vision, computer animation, and even in clinical
      applications. In the lab, we apply this combined experimental and computauional.

    • Machine Intelligence Lab

      지도교수 석흥일

      The Machine Intelligence Laboratory (MiLab) is devoted to the development of
      computational models for various researches in the brain and cognitive engineering
      field. Specifically, we focus on 1) machine learning algorithms for data analysis and
      pattern identification, 2) brain disease/disorder diagnosis or prognosis by analyzing
      complex patterns inherent in neuroimaging and/or genetic data, and 3) non-invasive
      brain-computer interfaces to enhance human performance.

    • Medical Artificial Intelligence Lab

      지도교수 감태의

      의료인공지능 연구실에서는 딥러닝/머신러닝 기법을 통해 다양한 의료 데이터를 분석하고
      이를 기반으로 헬스케어 시스템을 구축하는 것을 목표로 연구를 진행하고 있습니다.
      특히, MRI, fMRI, EEG 등의 뇌영상/뇌신호 분석을 통해, 뇌 네트워크의 이상상태를 검출하고
      이를 기반으로 알츠하이머 병, 자폐증 등의 다양한 뇌 질환을 진단하는 기술을
      핵심적으로 개발하고 있습니다.

    • Robot Intelligence Lab

      지도교수 최성준

      로봇 지능 연구실은 사람과 로봇이 공존하는 환경 속에서 필요로 하는 여러 학습 기반 방법론들을 연구합니다. 특히 Human-Robot Interaction (HRI)에서 필요로 하는 Robust and Reliable Machine Learning 분야에 집중하며, 노이즈가 있는 환경에서 어떻게 하면 강인한 예측을 할 수 있는지(Robust Learning)와 학습 기반 방법론의 안정성 보장(Reliable Learning)에 대한 연구를 진행하고 있습니다. 또한 실제 로봇에 강화 학습을 활용하기 위해 Sample-Efficient Reinforcement Learning을 연구 중에 있습니다.

    • Computer Vision Lab

      지도교수 김상필

      본 연구실에서는 다양한 현실 세계의 문제를 해결할 수 있는 인공지능 개발을 목표로 합니다. 이를 위하여 소리, 자연어, 및 비전들을 융합 가능한 차세대 인공지능 알고리즘 개발하고, 서로 다른 도메인의 정보를 융합하여 복합적 추론 능력을 지닌 인공지능 개발에 관한 연구를 수행합니다. 또한, 최근에 개발된 Dynamic Vision Sensor를 이용하여 메타버스 생태계에 필수적인 3D 객체 생성 딥러닝 알고리즘 및 3차원 Key Point 예측 딥러닝 모델 연구하고 있습니다.

    • Decision Making Lab

      지도교수 이병준

      의사결정 연구실은 데이터 기반 (순차적) 의사결정을 위한 머신러닝, 딥러닝 그리고 강화학습 이론과 알고리즘을 연구합니다. 실세계의 의사결정 문제에서 부차적으로 존재하는 여러 제약조건 및 안정성 조건, 변화하는 환경 등 다양한 문제에 적합한 각각의 모델 및 알고리즘들을 개발하고 효율성을 검증합니다. 더 나아가 제조 공정 최적화, 대화 시스템 등 다양한 의사결정 시스템들을 향상하는 연구를 진행합니다.

    • Efficient Inference Lab

      지도교수 박세준

      본 연구실은 기계학습 모델의 효율적인 추론 및 학습을 목표로 연구를 진행합니다. 특히 주어진 기계학습 모델이 좋은 성능을 내기 위해 필요한 최소한의 자원(시간, 메모리 등)을 분석하는 연구를 중점적으로 수행하는데, 주로 두 가지 방법론에 집중합니다. 첫 번째는 시간 및 메모리 복잡도가 낮은 학습 알고리즘 및 기계학습 모델을 개발하는 연구로, 빠른 학습 알고리즘 개발, 기계학습 모델 압축 등의 연구 주제들이 있습니다. 두 번째는 주어진 학습 알고리즘 및 기계학습 모델이 할 수 있는 일과 할 수 없는 일의 경계를 특정하는 연구로, 학습 알고리즘의 최적화 특성 분석, 수렴 특성 분석, 그리고 기계학습 모델의 근사 특성 및 암기 특성 분석 등의 연구를 진행합니다.

    • Artificial General Intelligence Lab

      지도교수 김성웅

      인공지능 에이전트가 작업 일반화 및 자가 학습을 수행할 수 있도록 인공 일반 지능을 구현하는 데 중점을 두고 연구하고 있습니다.

    • Universal Transfer Learning Lab

      지도교수 김동현

      본 연구실은 다양한 분야에서 발견되는 이질적인 영역과 양식의 경계를 매끄럽게 넘나들 수 있는 매우 효과적인 전이 학습 알고리즘을 연구하고 있습니다. 이러한 알고리즘은 광범위한 실제 애플리케이션에 맞게 특별히 맞춤화되어 다양한 산업과 분야에서 혁신과 발전을 주도할 것입니다.