| 시간 | 주제 | 좌장/발표자 |
| 10:00~12:00 | 세션 1A | 무선 네트워크에서의 연합 학습 | 최민석(경희대) |
| 연합 학습을 무선 다중-셀 네트워크의 end device 대상으로 구현하기 위해서는 제한된 컴퓨팅/통신/스토리지 자원, 불완전한 통신 환경, 시변하는 네트워크 환경 등의 제약을 이겨내야 한다. 본 강연에서는 자원 효율적이고 단축된 학습/추론 시간을 위한 분할 연합 학습 프레임워크를 소개하고, 테스트 분포 변화에 강인한 학습/추론 알고리즘을 제안한다. 또한, 다중 셀 네트워크의 핸드오버 영역을 연합 학습에서 활용하는 방안도 소개한다. |
| 12:00~13:30 | 중식 |
| 13:30~15:30 | 세션 1B | Blockage-Aware Channel Model and Re-Examination of NLoS Channels for UAV Communications | 이기송(동국대) |
| 본 발표에서는 UAV를 활용한 통신에서 사용되는 다양한 채널 모델의 발전 과정을 소개한다. 특히, 최근 제안된 blockage-aware 채널 모델을 중심으로, UAV의 이동성과 통신 성능 저하의 원인으로 여겨졌던 NLoS 채널을 활용하여 간섭을 제어하는 기술에 대해 알아본다 |
| 15:30~15:45 | Break |
| 15:45~17:45 | 세션 1C | Offline Reinforcement Learning for Future Networks | 권민혜(숭실대) |
| Reinforcement learning is undergoing a significant transformation from online to offline approaches. This shift focuses on constructing policies using pre-existing fixed datasets, effectively addressing the limitations of online reinforcement learning, which is largely confined to simulation environments. This presentation aims to introduce innovative offline-toonline methods for future networks. It will cover an overview of reinforcement learning theory, explore offline reinforcement learning algorithms and their challenges, and discuss methods for online fine-tuning. |
