배성호
배성호
소속
경희대학교 (컴퓨터공학과)
AI요약
배성호 경희대학교 부교수는 복잡한 인공 신경망 및 딥러닝 기술의 실제 적용을 위한 핵심 기술을 연구하고 있습니다. 특히, 딥러닝 모델의 효율성과 성능을 향상시키는 배치 정규화 및 가중치 처리 방법, 그리고 고속 주파수 변환을 활용한 컨벌루션 신경망 최적화 기술 개발에 기여하고 있습니다. 또한, 배터리 수명 예측을 위한 정교한 인공 신경망 모델 관리 장치와 저해상도 이미지의 품질을 획기적으로 개선하는 초해상화 기술 등 다양한 분야에서 혁신적인 특허를 다수 보유하고 있습니다. 이러한 연구는 AI 기술의 실제 산업 적용 가능성을 높이고, 다양한 문제 해결에 기여하는 중요한 역할을 합니다. 배성호 부교수의 연구 성과는 미래 AI 기술 발전에 기여합니다.
기본 정보
| 연구자 프로필 |  |
| 연구자 명 | 배성호 |
| 직책 | 부교수 |
| 이메일 | shbae@khu.ac.kr |
| 재직 상태 | 재직 중 |
| 소속 | 경희대학교 |
| 부서 학과 | 컴퓨터공학과 |
| 사무실 번호 | 0312012593 |
| 연구실 | MLVC LAB |
| 연구실 홈페이지 | https://mlvc.khu.ac.kr/ |
| 홈페이지 | - |
중요 키워드
#머신러닝#기술사업화#딥러닝#인공지능#전자장치#알고리즘#신경망#초해상화#배터리예측#컴퓨터비전#영상처리#컨벌루션#배치정규화#AI모델경량화#가중치최적화
주요 연구 내용
| 연구 내용 | [연구 분야] 핵심 분야: 인공지능 및 딥러닝 세부 분야: 딥러닝 모델 최적화, 컨벌루션 신경망 효율화, 초해상화 기술, 배터리 수명 예측 모델 [대표 연구 내용] 깊은 신경망(DNN)의 성능 향상을 위해 배치 정규화 레이어의 특징값들을 식별하고 정규화된 값을 획득하는 전자 장치 및 방법을 연구했습니다. 이는 DNN의 학습 효율성과 정확도 향상에 기여합니다. 인공 신경망 네트워크의 연산 효율성 및 속도 향상을 위해 채널 방향에서의 고속화 변환 연산을 통해 특성 정보를 추출하는 컨벌루션 네트워크 모듈에 대한 연구를 진행했습니다. 이는 실시간 AI 애플리케이션의 성능을 개선할 수 있습니다. 배터리 수명 예측의 정확도를 높이기 위해 인공 신경망 모델을 학습시키는 장치 및 방법을 연구했습니다. 배터리의 임피던스 응답과 등가회로 모델 파라미터에 기반한 예측 기술은 에너지 관리 시스템의 신뢰성을 높입니다. 인공 신경망 모델의 효율적인 저장 및 연산을 위해 가중치를 양자화하고 정규화하며, 특정 타입에 기반하여 부호화하는 방법을 개발했습니다. 이는 AI 모델의 경량화 및 다양한 환경에서의 배포 가능성을 확장합니다. 저해상도 영상을 고해상도로 변환하는 초해상화 기술과, 이를 수행하는 인공 신경망의 가중치를 최적화하는 방법을 연구했습니다. 국부 이진 패턴 분류 및 선형 매핑, 그리고 양자화 비트 결정을 통한 정확도 최적화는 영상 처리 분야에서 고화질 이미지 생성의 가능성을 높입니다. |
보유 기술 로딩 중...
