8월 8일 월요일
| 정보이론의 원리 - Fundamentals of Information Theory | ||
| 강의시간 | 강의내용 | 연사 |
| 09:00~12:30 | 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. | ||
| 12:30~13:30 | 중식 | |
| 13:30~17:00 | 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 9일 화요일
| 학습이론의 원리 - Fundamentals of Learning Theory | ||
| 강의시간 | 강의내용 | 연사 |
| 09:00~12:30 | 학습이론기초 1: 강화학습 개론 |
양현종 교수 (POSTECH) |
| 본 강의에서는 강화학습의 기본적인 이론과 몇 가지 많이 사용되는 알고리즘들에 대해 공부한다. 대표적으로 Q-learning, deep Q-learning, actor-critic algorithm 등을 공부한다. 또한, 실제 통신 연구에 활용된 강화학습 기술들에 대해 소개한다. | ||
| 12:30~13:30 | 중식 | |
| 13:30~17:00 | 학습이론기초 2: Meta-learning and Few-shot Learning |
윤성환 교수 (UNIST) |
| 본 강의에서는 한번도 학습된 적 없는 태스크를 빠르게 학습하기 위한 기술인 메타학습(meta-learning) 알고리즘의 기초에 대해 다루고, 대표적인 알고리즘들을 구체적으로 논의하고자 한다. 나아가 이를 컴퓨터 비전 분야에 적용한 소수샷 학습(few-shot learning) 기술에 대해 논의하고 메타학습 기술을 기반으로 활발하게 연구되고 있는 최신 딥러닝 알고리즘들에 대해 다루고자 한다. | ||
8월 10일 수요일
| 정보이론기반 6G 이동통신 기술 - Information Theoretic Perspectives on 6G | ||
| 강의시간 | 강의내용 | 연사 |
| 09:00~12:30 | 6G MIMO: From Electromagnetic Theory, Information Theory to Communication Theory |
채찬병 교수 (연세대) |
| 본 강의에서는 6G에서 논의되는 MIMO 기술을 소개한다. 특히, 그간 3G~5G까지 적용되었던 MIMO 기술을 간단히 리뷰하고 6G에 맞게 진화되고 있는 MIMO기술을 다룬다. 고주파 대역에서 고민이 되는 전자장의 근거리, 장거리 개념, 프라운호퍼 거리, 스마트 반사 개념 등의 이해를 위해 전자기학, 정보이론, 그리고 통신이론 관점에서 살펴본다. 또한, 3GPP R-18에서 논의되고 있는 표준화 현황도 소개한다. | ||
| 12:30~13:30 | 중식 | |
| 13:30~17:00 | 6G Access: NOMA and RSMA |
신원재 교수 (아주대) |
| 본 강의에서는 6G 무선 액세스 기술의 주요 후보 기술 중 하나인 NOMA(비-직교 다중접속) 기술을 정보이론 관점에서 다룬다. NOMA는 동일한 시간, 주파수, 공간 자원 상에 다수의 사용자들을 동시에 지원하기 위하여 다수의 신호를 의도적으로 중첩시켜서 전송하고, 수신기에서는 순차적 간접제거(SIC) 기법을 활용하는 기술이다. 다양한 무선통신 환경에서 어떻게 해당 기술이 적용 가능하고, 이론적 성능 이득이 얼마나 있는지에 대해 살펴본다. 이어서 다중안테나 시스템에서 NOMA 기술의 한계점을 보완할 수 있는 RSMA(전송률-분할 다중접속기술)을 소개하고, 이론적 주요 결과들에 대해 소개한다. 마지막으로 관련 최신 연구동향 및 기술적 과제에 대해 논의하며 본 강의를 마무리 한다. | ||
8월 11일 목요일
| 학습이론기반 미래 ICT기술 - Learning Theoretic Perspectives on Future ICT | ||
| 강의시간 | 강의내용 | 연사 |
| 09:00~12:30 | Wireless Federated Learning: Challenges and Emerging Solutions |
전요셉 교수 (POSTECH) |
| 연합 학습(Federated learning)은 로컬 훈련 데이터를 가진 다수의 기기들이 연합하여 중앙 서버에 존재하는 학습 모델을 훈련시키는 분산형 기계학습 기술이다. 본 강의에서는 무선 통신을 기반으로 동작하는 무선 연합 학습의 주요 과제들을 살펴보고, 이를 해결하기 위한 다양한 송/수신 기술들을 알아본다. 특별히, 무선 연합 학습의 통신 오버헤드를 줄이기 위해, 압축 센싱 기술, 다중 안테나 기술, 다중 접속 기술 등이 어떻게 활용될 수 있는지 살펴본다. 또한, 위 송/수신 기술들을 적용한 무선 연합 학습의 수렴 속도를 이론적으로 분석한 결과들을 살펴본다. | ||
| 12:30~13:30 | 중식 | |
| 13:30~17:00 | Reinforcement Learning for 6G Wireless Networks |
이호원 교수 (국립한경대) |
| 본 발표에서는 6G 무선 네트워크를 위한 다양한 강화학습 알고리즘들에 대하여 알아보도록 한다. 먼저, 6G 무선 네트워크가 직면하고 있는 3가지 핵심 challenges(extension of service domain, extension of network coverage, and seamless connectivity between physical world and digital world)와 핵심기술들에 대해서 소개한다. 특히, 이 중에서 UAV 통신 네트워크와 랜덤 접속 기술을 위한 다양한 형태의 강화학습 알고리즘들(저복잡도, 다중에이전트, 분산형, 계층적 구조 등)에 대해서 몇 가지 사례들을 통해 살펴보도록 한다. | ||