본문 바로가기 대메뉴 바로가기

한밭대학교컴퓨터공학과

HIGHHANBAT

Edge Intelligence Lab

Edge Intelligence Lab

실험실 소개

Edge Intelligence Lab은 사물인터넷(IoT), 시계열 데이터, 연합학습, 강화학습을 기반으로 연구합니다. 현대의 지능형 시스템은 단순한 데이터 수집을 넘어, 제한된 자원 환경에서도 스스로 학습하고 판단하며 협력적으로 의사결정을 수행해야 합니다. 우리 연구실은 이러한 온디바이스 및 분산 환경에서의 지능 구현을 목표로, 실제 산업 문제를 해결할 수 있는 자율형 인공지능 시스템을 연구합니다.

특히 최근에는 바이오신호 및 산업 시계열 데이터를 활용한 파운데이션 모델, 개인화와 일반화를 동시에 고려하는 연합학습, 그리고 자원 제약 환경에서 최적의 의사결정을 수행하기 위한 자율형 인공지능과 강화학습 기반 조합최적화 연구를 수행하고 있습니다. 이를 통해 단순한 예측을 넘어 실제 행동과 운영까지 연결되는 실전형 지능 시스템을 구현하고자 합니다.

연구실 주요 연구

- 생체신호 파운데이션 모델 연구 - EEG, ECG, PPG 등 생체신호 기반 표현학습, 멀티모달 바이오신호 분석, 일반화 가능한 파운데이션 모델 설계
- 연합 및 분산학습 - 연합학습 기반 개인화 및 일반화, 통신 효율 최적화, 엣지-클라우드 협업 지능, 자원 제약 환경에서의 분산 학습
- 자율형 인공지능 및 자율 제어 - 강화학습 기반 자율 의사결정, 예측 기반 제어, 협업형 인공지능 에이전트, 온디바이스 자율 제어 시스템
- 최적화 기반 인공지능 - 조합최적화 기반 시스템 설계, 자원 스케줄링, 강화학습 기반 최적화, 운영 효율화를 위한 의사결정 지능

* 약어

FM: Foundation Model
FL: Federated Learning
RL: Reinforcement Learning
IoT: Internet of Things

지도교수 : 우성필

논문

  • "Deep Representation Learning with Assisted Domain Adaptation for EEG-based Cross-Subject Emotion Recognition", IEEE Transactions on Computational Social Systems (Q1, Top 18%), Volume 13, Issue 2, April. 2026.
  • "Deep Multimodal Emotion Recognition using Modality-Aware Attention and Proxy-based Multimodal Loss", Internet of Things, Elsevier (Q1, Top 6%), Volume: 31, ,May 2025.
  • "Deep Representation Learning with Sample Generation and Augmented Attention Module for Imbalanced ECG Classification", IEEE Journal of Biomedical and Health Informatics (Q1, Top 10%), Volume: 28, Issue: 5, pp. 2461-2472 , May 2024.
  • "Leveraging uncertainty for transmission period control in IoT applications", Engineering Science and Technology, an International Journal (Q1, Top 10%), Volume 73, 102248, January 2026
  • "Def-Ag: An Energy-Efficient Decentralized Federated Learning Framework via Aggregator Clients", Future Generation Computer Systems, Elsevier (Q1, Top 10%), Volume: 175, 108114, Feb 2026.