7월 31일 월요일
정보이론의 원리 - Fundamentals of Information Theory
| 강의시간 | 강좌내용 | 연사 |
| 09:30~12:30 | 정보이론 기초 1: Information Measures | 홍송남 교수 (한양대) |
| 본 강의에서는 정보이론의 기본 개념 및 이론들에 대해 알아본다. 특히, Information Measures (Entropy, Divergence, Mutual information), Fundamental Inequalities (Data processing inequality, Fano inequality) 및 AEP (Asymptotic Equipartition Property)에 대해서 알아보고 이를 응용하는 사례를 소개한다. | ||
| 12:30~14:00 | 중식 | |
| 14:00~17:00 | 정보이론 기초 2: Coding Theorem and Channel Capacity | 홍송남 교수 (한양대) |
| 본 강의에서는 통신 및 데이터 압축 등의 응용분야에서 정보이론의 활용에 대해 알아본다. 특히, Entropy Rate, Data Compression, Differential Entropy, Rate-Distortion Theory 및 Source/Channel Coding Theorem에 대해서 알아본다. 또한, 대표적인 통신 채널 (Binary Erasure Channel, Binary Symmetric Channel, Gaussian Channel)들의 채널 용량에 대해서 소개한다. | ||
8월 1일 화요일
학습이론의 원리 - Fundamentals of Learning Theory
| 강의시간 | 강좌내용 | 연사 |
| 09:30~12:30 | 학습이론기초 1: Diffusion Probability Models – Part I | 류경석 교수 (서울대) |
| 본 강의에서는 확률 미분 방정식에 기반한 diffusion 확률 모델과 text-to- image 생성 모델의 이론 및 최신 연구를 소개한다. | ||
| 12:30~14:00 | 중식 | |
| 14:00~17:00 | 학습이론기초 2: Diffusion Probability Models – Part II | 류경석 교수 (서울대) |
| 본 강의에서는 DALLE-2와 stable diffusion과 같은 텍스트 조건부 diffusion 모델을 설명한다. | ||
8월 2일 수요일
학습이론 기반 6G 기술 - Learning-Theoretic Perspective on 6G
| 강의시간 | 강좌내용 | 연사 |
| 09:30~12:30 | Application of Deep Learning for Resource Allocation in Wireless Networks | 이웅섭 교수 (연세대) |
| 본 강의에서는 딥러닝 기술의 무선통신적용방안에 대해서 살펴본다. 우선 딥러닝에 기반을 둔 무선 자원할당 방안에 대한 발표를 진행한다. 특히 비지도학습을 기반으로 한 딥러닝 학습을 통해서 라벨 데이터 없이 저복잡도로 최적의 자원 할당을 수행할 수 있음을 보인다. 다음으로 해당 딥러닝 프레임워크를 UAV 및 에너지 하베스팅 네트워크를 비롯한 다양한 통신 시스템에 접목하는 방안에 대해서 설명한다. | ||
| 12:30~14:00 | 중식 | |
| 14:00~17:00 | Mobile AI: Cloud/Edge Code Offloading, Service Caching, and Learning Model Optimization | 곽정호 교수 (DGIST) |
| 본 강의에서는 에너지 효율적인 모바일 인공지능을 위한 컴퓨팅, 네트워킹, 스토리지 자원의 동적최적화와 학습 모델 스케일링 문제를 다룬다. 이를 위해 먼저 동적 시스템 환경의 최적화에 주로 활용이 되는 Lyapunov Optimization을 소개하고, 동작원리를 살펴본다. 다음으로, 해당 Lyapunov Optimization을 활용한 클라우드/엣지컴퓨팅 서버로의 코드 오프로딩과 CPU/GPU DVFS의 동적최적화 연구에 대해 살펴보고, 엣지 서비스 캐싱과 코드 오프로딩의 관계에 대해 분석한다. 마지막으로, 엣지컴퓨팅 환경에서 컴퓨팅, 네트워킹, 스토리지의 다중 자원과 학습모델 스케일링의 동시최적화 문제를 다룬다. | ||
8월 3일 목요일
정보이론 기반 6G 기술 - Information-Theoretic Perspective on 6G
| 강의시간 | 강좌내용 | 연사 |
| 09:30~12:30 | Semantic Communications | 김용준 교수 (POSTECH) / 이남윤 교수 (고려대) |
| 본 강의 전반부에서는 시맨틱 통신의 주요 연구 주제에 대해 개괄한다. 이후, 분산 추론 문제에서 통신 효율을 극대화하기 위한 시맨틱 통신 기법 연구를 소개한다. 제안된 기법 은 분산 추론을 위한 모델을 학습하는 과정에서 각 모델의 중요도를 학습하고, 학습된 모델 중요도를 시맨틱 정보로 활용하여 통신 전력 및 통신 전송량을 최적화한다. 제안된 최적화 기법의 최적 해는 기존 Shannon의 Water-filling 기법을 확장한, Semantic-aware Water-filling으로 해석될 수 있다. 본 강의 후반부에서는 Rate- Distortion 이론 및 Joint Analog Source and Channel Coding의 기본 개념에 대해 설명한다. 이를 통해 시맨틱 통신을 위한 lossy compression과 analog transmission의 기법에 관한 기본 개념을 설명한다. | ||
| 12:30~14:00 | 중식 | |
| 14:00~17:00 | Stochastic Geometry | 이남윤 교수 (고려대) / 박정훈 교수 (연세대) |
| 본 강의 전반부에서는 stochastic geometry를 활용한 무선 네트워크 coverage 및 spatial ergodic rate의 기본 개념 및 원리를 설명하고 이를 이용해 cellular 및 ad-hoc 네트워크 분석에 관한 기존 연구결과를 소개한다. 이와 더불어 최근 주목받고 있는 stochastic geometry를 활용한 satellite network의 분석방법 및 coverage 최적화 및 satellite 협력 전송과 관련된 최신 연구 내용을 소개한다. 본 강의 후반부에서는 satellite-terrestrial integrated network (STIN)에 대한 통합 네트워크 모델을 소개한다. 개발된 모델에서 경로 손실 지수, 위성 및 지상파 기지국의 높이 분포 및 밀도, 전송 전력 및 바이어스 요인을 포함한 주요 시스템 매개변수의 함수로 STIN의 분노 커버리지 표현을 도출한다. 분석을 활용하여 STIN이 제공할 수 있는 두 가지 이점을 조사한다. | ||