| 센터소개 |
제1세부 과제 |
제2세부 과제 |
제3세부 과제 |
제4세부 과제 |
제5세부 과제 |
|
| |
 |
| |
| 과제명 |
자체 지식확장과 정밀도 향상을 고도화하기 위한 융합모델 개발
Development of Convergence Model for the Enhancement of Self-Knowledge Extension and Degree of Precision |
| 세부 과제 책임자 및 참여 교수 |
- 김창수 교수(고려대학교 전기전자공학부) : 세부 책임
- 김기응 교수(KAIST 전산학부)
- 최재식 교수(UNIST 컴퓨터공학과) |
| 연차별 연구 목표 |
- 1차년도 : Deep Network와 Bandit 알고리즘의 융합 모델 및 능동학습 실험 환경 설계
- 2차년도 : Deep Network와 Bandit 알고리즘의 융합을 통한 능동학습 기술 개발
- 3차년도 : 자율 인지 에이전트와 유사한 환경으로의 적용
- 4차년도 : 자율 인지 에이전트 학습을 통한 능동학습 기술의 실제적 검증 |
|
| |
| 최종 연구 목표 |
Bandit 알고리즘과 Deep Network의 융합을 통한 자율 인지 에이전트의 능동학습(Active learning) 기술 개발 |
 |
|
| |
| 연차별 연구 내용 |
 |
|
| |
| 기대효과 |
| 과제명 |
기대효과 |
| 기술적 |
- 딥러닝과 Bandit 알고리즘 간의 새로운 융합 방법 개발
- 딥러닝의 확장성을 활용하는 새로운 Bandit 학습 기법 개발
- 새로운 능동학습 기술을 통한 자율 인지 에이전트 학습에 대한 원천기술을 확보 |
| 경제적ㆍ산업적 |
- 최신 인공지능 기술(딥러닝)의 발전을 실제 자율 인지 에이전트의 활용 영역으로 확대
- 시각정보처리를 위한 자율 인지 에이전트에서의 능동학습 적용
- 능동학습에서 효율적인 데이터 선택을 통한 학습 비용 절감 |
| 사회적 |
- 사회과학분야에서의 능동적 학습과의 연계 기대
- 자율 인지 에이전트와 인간과의 상호 작용을 통한 학습을 촉진
- 능동학습을 통한 인간 사회 문제 해결방안 제시 |
|
|
| |
| |
