1. Community
  2. arrow_forward_ios
  3. News

News

Tags
Search
all
포스트 대표 이미지
포스트 대표 이미지

Google PhD Fellowship Program 수상자로 선정

우리 학부 박사과정에 재학중인 김병창 학생(김건희 교수; 시각 및 학습 연구실)과 유재민 학생(강유 교수; 데이터 마이닝 연구실)이 2019 Google PhD Fellowship Program에서 각각 Natural Language Processing과 Machine Learning 분야의 수상자로 선정되었습니다. 2009년부터 시작한 Google PhD Fellowship Program은 여러 컴퓨터 관련 분야(Algorithms, Optimizations and Markets, Computational Neuroscience, Human Computer Interaction, Machine Learning, Machine Perception, Speech Technology and Computer Vision, Mobile Computing, Natural Language Processing, Privacy and Security, Programming Technology and Software Engineering, Quantum Computing, Structured Data and Database Management, Systems and Networking)에서 우수한 연구를 하고 있는 대학원생을 선정해 장학금, 연구 멘토링 그리고 구글 인턴쉽 기회를 제공하여 미래 기술을 개발하고 영향력을 끼칠 수 있는 연구를 할 수 있도록 지원하는 프로그램입니다. 김병창 학생은 웹 상에서 정제되지 않은 데이터를 자연어 처리에 활용하는 연구를 하고 있으며, 이를 위해 새로운 태스크를 정의하고 다양한 형식의 데이터를 딥러닝 모델이 활용할 수 있는 방안을 찾는 연구를 하고 있습니다. 유재민 학생은 주로 그래프 데이터에 대한 기계학습 연구를 하고 있으며 최근에는 딥러닝 모델 압축, 해석 등 기존 모델의 활용도를 높이는 연구를 하고 있습니다. [관련 홈페이지] - 김병창 박사과정생 프로필: https://bckim92.github.io/ - 유재민 박사과정생 프로필: https://datalab.snu.ac.kr/~jmyoo/ - 시각 및 학습 연구실 홈페이지: http://vision.snu.ac.kr - 데이터 마이닝 연구실 홈페이지: https://datalab.snu.ac.kr 기사 원문: https://ai.googleblog.com/2019/09/announcement-of-2019-fellowship.html...
포스트 대표 이미지

2019년 8월 우수학위논문상 수상자 안내

서울대학교 컴퓨터공학부에서는 매 학기 졸업생을 대상으로 우수학위논문상을 수여합니다. 석박사 과정 졸업논문의 경우 논문 심사 위원들이, 학부 졸업 논문의 경우 지도교수가 뛰어난 논문을 선별하여 우수학위논문상 후보로 추천하고, 논문상 심사위원회에서 엄격한 심사를 거쳐 수상자를 선정하고 있습니다. 2019년 가을학기에는 박사 논문상 수상자 1명, 석사 논문상 수상자 2명, 학사 논문상 수상자 1명을 최종 선발하였습니다. o 박사 논문상 수상자: 박지성 (지도교수: 김지홍) 박지성 학생은 플래시메모리 저장 장치의 성능과 수명을 크게 개선하는 다수의 SSD 최적화 기법들을 개발하였으며, 임베디드시스템분야의 최우수학술대회인 DAC 2016 최우수논문후보 선정을 포함하여 DAC 2018, DATE 2017에 논문을 발표하였으며 이외 다수의 학술대회에 논문을 발표하였습니다. o 석사 논문상 수상자: 김지석 (지도교수: 유승주) 김지석 학생은 NAND Flash 메모리 칩의 성능 튜닝에 Variational Auto Encoder (VAE)를 적용하여, 숙련된 엔지니어에게 10일 이상 요구되는 성능 튜닝 작업을 하루 이내로 수행하는 기술을 개발하였습니다. 연구결과는 반도체 칩 테스트분야 최고학회인 ITC 2019에서 발표할 예정입니다. o 석사 논문상 수상자: 쿠안춘 (지도교수: 강 유) 쿠안춘 학생은 빠르고 효율적인 딥러닝 연구를 수행하였고, 표준 기법보다 10배 이상 적은 메모리를 사용하면서도 거의 유사한 정확도를 유지할 수 있는 CNN 모델 압축 기술을 개발하여 국제 우수 학회에 논문을 제출하였습니다. o 학사 논문상 수상자: 신안재 (논문지도교수: 전병곤) 신안재 학생은 머신러닝 모델의 하이퍼파라미터 최적화 수행시 여러 하이퍼파라미터 시퀀스에서 공통적으로 계산되는 부분을 자동으로 추출하여 중복되는 계산을 없애는 시스템 및 알고리듬을 개발하여 하이퍼파리미터 최적화 수행 시간과 최적화에 사용되는 GPU 자원을 획기적으로 줄이는 연구를 수행했습니다. 이 결과를 인공지능 분야 최우수 학회인 NeurlPS에 제1저자로 제출하였습니다....
포스트 대표 이미지
포스트 대표 이미지
포스트 대표 이미지
포스트 대표 이미지

바이오 지능 연구실 학생들, 2019 국제 로보컵 준우승

서울대-고려대-부산대-한양대 연합로봇팀 Tidyboy ... 2019 로보컵 준우승 서울대 공대(학장 차국헌)는 서울대-고려대-부산대-한양대 연합로봇팀 Tidyboy가 지난 7일 호주 시드니에서 개최된 2019 로보컵(RoboCup) 실내 서비스 로봇 부문에서 준우승을 차지했다고 밝혔다. 과학기술정보통신부의 AI 로봇 과제 공동연구팀이기도 한 연합 로보컵팀에는 서울대인공지능센터(센터장 장병탁 공대 컴퓨터공학부 교수) 학생들이 소속되어 있다. 국제 로보컵은 1997년 시작됐으며, 세계에서 가장 오래되고 규모가 큰 AI 로봇대회다. 올해에는 세계 40여개 국에서 온 약 3,500명이 참가자들이 로봇 축구, 실내 서비스, 산업 자동화, 재난 구조 등의 다양한 부문에서 경쟁했다. 그 중에서도 Tidyboy팀은 실내 서비스 로봇 부문에 참가하여 로봇이 가정 환경에서 사람과 사물, 환경을 지능적으로 인식하고 인간과 음성으로 대화하며 다양한 서비스 임무를 수행하는 능력을 겨루었다. Tidyboy팀은 우수한 물체인식, 정교한 로봇팔 조작 및 이동 능력을 바탕으로 한 사용자의 음성 명령에 따라 실내를 이동하며 찬장을 여닫고 사용자가 원하는 물건들을 집어 전달하는 등의 실내 서비스 작업 등을 선보였다. Tidyboy 팀은 다른 팀들이 기권하거나 수행에 실패한 고난이도 조작 작업들을 유일하게 성공적으로 수행하여 현장에서 뜨거운 반응을 얻었다. 현장에서 팀을 지휘한 이승준 교수는 “한국 팀이 영국 옥스포드 대학, 미국 텍사스 오스틴 대학, 3년 연속 우승팀인 일본 규슈 공대 등 쟁쟁한 경쟁자들을 큰 점수 차로 제치며 준우승을 하게 돼서 매우 기쁘다”고 전했다. 한편, 팀을 이끌며 준우승 수상에 큰 기여를 한 서울대 인공지능센터 이충연 연구원(서울대 공대 컴퓨터공학부)은 2017 로보컵에서도 우승한 경험이 있다....
포스트 대표 이미지

김건희·송현오 교수 연구진, ICML 2019 논문 5편 게재

서울대 컴퓨터공학부 김건희 교수·송현오 교수 연구진,ICML 2019 논문 5편 게재 김건희 교수 연구진과 송현오 교수 연구진이 기계학습 분야 최고 우수 학회 중 하나인 International Conference on Machine Learning (ICML) 2019에 5편의 논문을 게재하였다고 밝혔다. 올해는 총 3424 유효 제출 논문 중 773편이 채택되어 22.6%의 게재율을 보였다. 특히 이 중 2편은 4.6% 게재율의 Long Talk (20분 발표)로 선택되었다. 학회 논문 페이지: https://icml.cc/Conferences/2019/Schedule 김건희 교수 연구진은 다음 두 편의 연구결과를 발표하였다. ● 추론 신경망과 독립성 가정에 의존하던 Variational Autencoder (VAE)의 부정확하고 제한된 추론 능력을 라플라스 근사를 이용해 개선하는 Variational Laplace Autoencoders라는 새로운 생성 모델 개발 논문: http://proceedings.mlr.press/v97/park19a.html 코드: http://vision.snu.ac.kr/projects/VLAE ● 정보 병목기법을 활용하여 강화학습에서 새로운 정보들 중 목표와 밀접한 정보만을 선별하여 탐험하는 Curiosity-Bottleneck 방법을 제시 논문: http://proceedings.mlr.press/v97/kim19c.html 코드: https://github.com/whyjay/curiosity-bottleneck 송현오 교수 연구진은 다음 세 편의 연구결과를 발표하였다. ● 조합 최적화 기법을 이용하여 보다 효율적이고 하이퍼파라미터에 자유로운 블랙박스 방식 신경망 적대적 공격 기법 고안 (Long Talk, top 4.6%) 논문: https://arxiv.org/abs/1905.06635 코드: https://github.com/snu-mllab/parsimonious-blackbox-attack ● 보상이 희소한 환경에서도 저차원 임베딩을 통해 최적의 행동 정책을 효율적으로 학습하는 강화학습 탐색 알고리즘 개발 (Long Talk, top 4.6%) 논문: https://arxiv.org/abs/1810.01176 코드: https://github.com/snu-mllab/EMI ● 데이터의 연속 정보와 이산 정보를 동시에 효율적으로 분리하는 VAE 기반 비지도 학습 알고리즘 개발 논문: https://arxiv.org/abs/1902.10990 코드: https://github.com/snu-mllab/DisentanglementICML19 ICML 2019는 6월 미국 캘리포니아주 롱비치에서 개최될 예정이다. [문의사항] 김건희 서울대학교 컴퓨터공학부 교수 / gunhee@snu.ac.kr 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 노준혁 서울대학교 컴퓨터공학부 박사과정 / jh.noh@vision.snu.ac.kr 정연우 서울대학교 컴퓨터공학부 석박통합과정 / yeonwoo@mllab.snu.ac.kr...
포스트 대표 이미지

송현오교수 연구진 논문2편, ICML19에 Long talk 선정

서울대 컴퓨터공학부 송현오 교수 연구진,머신러닝최우수학회 ICML2019 논문 2편 Long talk (4.6%) 선정 송현오교수 연구진(머신러닝 연구실, http://mllab.snu.ac.kr) 은 오는 6월 머신러닝 분야 최우수 학회인 ICML 2019에 3편의 논문을 그리고 CVPR 2019에도 1편을 게재할 예정이라고 밝혔다. 특히 ICML 논문 중 두 편은 Long talk (156/3424 = 4.6%) 로 선정되는 성과를 거두었다. 1. Parsimonious Black-Box Adversarial Attacks via Efficient Combinatorial Optimization (Seungyong Moon*, Gaon An*, Hyun Oh Song) (Long talk) 딥러닝 모델을 속이는 데에 있어서 모델 내부의 gradient 정보를 이용한 경사 하강법이 아주 효과적인 방법임이 잘 알려져 있지만 black-box attack 환경에서는 공격자가 gradient 정보에 접근할 수 없다고 가정하기 때문에 위와 같은 방법을 사용할 수 없다. 이에 따라 최근의 연구에서는 추가적인 모델 액세스를 통해 gradient를 추정하려는 시도를 하고 있으나, 이 방법은 모델 액세스 비용이 많이 들고 하이퍼파라미터에 민감하다는 단점이 있다. 이러한 문제를 해결하기 위해 송 교수 연구팀은 연속적인 기존의 목적함수를discrete optimization로 바꾸어 푸는 새로운 시도를 하였고 [식 1], submodular function maximization에서 주로 사용되는 기법인 local search algorithm을 응용하는 최적화 알고리즘을 설계하였다. [그림 1]. 연구팀은 이러한 최적화된 black-box adversarial attack 알고리즘을 이용하여 머신러닝 벤치마크 데이터셋인 ImageNet에서 공격에 필요한 쿼리의 수를 2배 이상 감소시킬 수 있었으며 동시에 공격 성공률도 향상시키는 성과를 거두었다. https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_sik1.jpg https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_img1.jpg 논문 preprint 링크: https://arxiv.org/abs/1905.06635 Github source code 링크: https://github.com/snu-mllab/parsimonious-blackbox-attack [문의사항] 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 문승용 서울대학교 자유전공학부 학사과정 / symoon11@snu.ac.kr 안가온 서울대학교 경제학부 학사과정 / white0234@snu.ac.kr 2. EMI: Exploration with Mutual Information (Hyoungseok Kim*, Jaekyeom Kim*, Yeonwoo Jeong, Sergey Levine, Hyun Oh Song) (Long talk) 강화학습이란 어떤 환경을 탐색하는 에이전트가 주어진 상태에서 보상의 총합을 최대화하는 행동을 택하도록 하는 최적의 정책을 학습하는 알고리즘이다. 하지만, 보상이 희소한 환경에서는 에이전트가 아직 가보지 못한 상태들을 탐색할 유인이 사라지게 되어, 최적의 행동 정책을 학습하는 데 큰 어려움이 존재한다. 이를 보완하기 위해 최근 일련의 연구에서 내재적 보상 (intrinsic reward)을 통해 에이전트의 탐색을 돕는 방안을 제시하였지만, 상태를 복원하는 과정을 거치기 때문에 Atari game와 같이 상태의 차원이 높은 경우에 상당히 비효율적이라는 단점이 존재하였다. 이러한 문제를 해결하기 위해 송 교수 연구팀은 고차원의 상태와 행동을 저차원의 공간으로 embedding 하는 딥러닝 네트워크를 설계하였다. 위의 과정에서 정보의 손실을 막기 위해 embedding space위의 trajectory상에서 상태와 행동 간 mutual information의 lower bound을 최대화하도록 네트워크를 학습하였다 [식 2]. 연구진은 이러한 최적화된 강화학습 탐색 기법을 이용하여 보상이 희소한 Atari games 나 robotic locomotion tasks 환경에서, 최적의 행동 정책을 효율적으로 학습하는데 성공하는 성과를 거두었다 [그림2]. https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_sik2.jpg https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_img2.jpg 논문 preprint 링크: https://arxiv.org/abs/1810.01176 Github source code 링크: https://github.com/snu-mllab/EMI [문의사항] 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 김형석 서울대학교 컴퓨터공학부 석박통합과정 / harry2636@snu.ac.kr 김재겸 서울대학교 컴퓨터공학부 석박통합과정 / jaekyeom@snu.ac.kr 3. Learning Discrete and Continuous Factors of Data via Alternating Disentanglement (Yeonwoo Jeong, Hyun Oh Song) Disentanglement는 비지도 학습에서 데이터를 잘 표현하는 섞이지 않는 정보들로 분리시키는 문제이다. 데이터를 표현하는 정보가 섞이지 않게 하기 위해 정보들의 total correlation을 최소화하는 다양한 연구들이 있었으나, 별도의 추가적인 계산이 필요하다는 단점이 있다. 송 교수 연구팀은 별도의 추가적인 계산없이 total correlation을 최소화하는 알고리즘을 제안했다. 또한, [식 3]에서처럼 데이터의 연속 정보가 주어져 있을 때 연속 정보와 함께 데이터를 가장 잘 표현하는 최적의 이산 정보를 먼저 찾고 여기서 구한 이산 정보를 바탕으로 연속 정보를 최적화 하는 딥러닝 네트워크를 학습시키는 알고리즘을 설계했다. Disentanglement 벤치마크 데이터 셋인 dSprites에서 이전 연구에서 제시한 방법들보다 높은 성능을 냈으며, MNIST, Fashion MNIST, Chair dataset에서 알고리즘의 우수성을 입증했다 [그림 3]. https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_sik3.jpg https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_img3.jpg 논문 preprint 링크: https://arxiv.org/abs/1905.09432 Github source code 링크: https://github.com/snu-mllab/DisentanglementICML19 [문의사항] 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 정연우 서울대학교 컴퓨터공학부 석박통합과정 / yeonwoo@mllab.snu.ac.kr 4. End-to-End Efficient Representation Learning via Cascading Combinatorial Optimization (Yeonwoo Jeong, Yoonsung Kim, Hyun Oh Song) 빠르고 정확한 데이터 검색을 위해서 딥러닝 네트워크를 통해 데이터를 binary hash code 변환하여 해시 테이블을 생성한다. 하지만, 데이터 검색의 속도는 sparse 한 binary hash code의 크기와 직접적인 연관이 있으며, binary hash code의 크기가 증가함에 따라 binary hash code를 학습하는 알고리즘의 공간과 시간 복잡도도 함께 증가하여 실용성이 떨어진다. 이를 해결하기 위해 송 교수 연구진은 계층 구조를 가지는 binary hash code을 학습하는 딥러닝 알고리즘을 고안했다. 또한, 유사도 정보가 주어진 데이터의 계층 구조를 가지는 최적의 binary hash code를 찾는 combinatorial optimization 문제는 [그림4] 그래프에서의 minimum-cost flow 문제와 동치관계에 있음을 증명하였고, polynomial time 내에 최적해를 찾을 수 있음을 증명했다. (논문의 정리1 참조). 계층 구조를 통해 binary hash code를 학습하는 알고리즘은 머신러닝 벤치마크 데이터 셋인 Cifar-100 과 ImageNet에서 데이터 검색 속도를 끌어 올림과 동시에 검색 정확도 역시 증가시켰다. https://cse.snu.ac.kr/sites/default/files/node--notice/20190528_img4.jpg [문의사항] 송현오 서울대학교 컴퓨터공학부 교수 / hyunoh@snu.ac.kr 정연우 서울대학교 컴퓨터공학부 석박통합과정 / yeonwoo@mllab.snu.ac.kr...
포스트 대표 이미지