Real-time Object Detector

독립트랙(지도교수: 함범섭,https://bsham.github.io/)

•

•

•

The figure shown left shows detection results by

machine.

What you will be doing is studying a supervised learn

ing approach (regression) to real-time object dete

ctors.

See this video:https://youtu.be/VOC3huqHrss

• Requirements:

•

•

•

Linear Algebra, Calculus, ProbabilityTheory.

Python, Git,CSS.

Experience in Matlab, C/C++, Lua is Plus.

• Through this one-semester project, you could study

the fundamentals of Computer Vision,Machine

Learning, and Image Processing.Image from Redmon’s work

독립트랙 (지도교수: 이장원)

다수의무인이동체를이용한 3-D 상공애드혹네트워크연구

그림 1. 다수의무인이동체들 (UAVs)로구성된 3-D 상공애드혹네트워크 (AANET)

▪ 다수의무인이동체들을이용한 AANET 구성기법에대한연구

▪ 그림 1과같이다수의무인이동체들로구성된 AANET에대한최적의라우팅에대한연구

▪ 시뮬레이션을활용하여알고리즘성능평가분석및검증

독립트랙 (지도교수: 박정욱)

- Full-Bridge 컨버터의 기본적인 동작 이해 및 Phase-shifted

등의제어방법에대한이론적분석진행

- Soft-switching, Synchronous rectifier 등의 효율 개선 기법

연구

- PSIM 시뮬레이션을이용하여동작확인, 효율분석

DC/DC Full-bridge 컨버터의효율개선연구

그림 1. Full-Bridge 컨버터회로도

그림 3. Full-Bridge 컨버터효율비교

전기자동차 보급이 확대됨에 따라 배터리 충전 및 구동

에 필수적인 DC-DC Full-bridge 컨버터에 대한 연구가 각

광받고있다. 기존 Full-bridge 컨버터는순환전류로인한

도통손실과 정류단에서의 스위칭 손실이 효율저하의 큰

원인이 된다. 이를 개선하기 위한 스위치 제어 방식과,

Zero-Voltage Switching 등의연구를진행한다.

그림 2. Full-Bridge 컨버터스위치파형

독립트랙 (지도교수 : 송홍엽)

Polar Codes의오류정정성능평가

• 최근 5세대이동통신의오류정정부호표준기술로 polar codes가고려되고있다.

• Polar codes는이론적으로 channel 용량을달성하는최초의오류정정부호이다.

• 최근다양한연구로, 실제이동통신환경에서도훌륭한오류정정성능을보인다.

• 아직도 Decoding Algorithm의성능향상은가장뜨거운주제다.

• 이러한 Polar Codes의오류정정성능을컴퓨터시뮬레이션을통해확인하고자한다.

Example of Polar Coding

졸업연구의목적

✓ Polar Codes의구조에대한이해

✓ 부호화과정및연속제거복호화과정혹은이복호화방법의다양한변형을컴퓨터시뮬레이션을통해분석

날이해하겠다고??

독립트랙 (지도교수: 송홍엽)

𝑠2 = (1110100010010101100001110011011)

𝑠1 = (011110101100100)

위의수열 𝑠1과 𝑠2는각각주기 15, 31인이진수열입니다.

이수열들은종종의사잡음수열(Pseudo-Noise Sequence, PN-sequence)라고도불립니다.

Q1. 이수열들의이름은무엇이며, 어떻게생성될까요?

Q2. 이수열들의어떠한특성이 ‘의사잡음수열’라고불릴수있게할까요?

Q3. 이수열들은통신시스템에서어떠한방식으로사용될까요?

Q4. 위에서보인수열이외에다른것을만드는방법이있을까요?

의사잡음수열(PN-sequence)의수학적특성과응용

독립트랙 (지도교수: 강문기)

연구목표

• 단일센서 color filter array (CFA)를이용한컬러영상획득및 GUI 구현

연구내용

• Color Interpolation

• Automatic White Balance

• Noise Reduction

• Color Enhancement

MFC를이용한 Software Digital Camera 구현

독립트랙 (지도교수: 김형준)

주제: Synthesis of MoS2 on Plastic Substrate for Flexible Gas Sensor

- MoS2: Semiconducting material used in various applications

- 이차원 물질인 MoS2를 유연기판에 합성하고 이를 가스 센서로 응용하는 연구

< 기보고된 MoS2 Gas Sensor >

- 저온에서의 2D MoS2 합성연구

- 합성된 2D MoS2 의물성분석

- 합성된 2D MoS2의가스센싱특성연구

< 연구내용 >

독립트랙 (지도교수: 김동현b)

개인용헤스케어모니터링데이터시스템 (from smartwatches to deep learning)

연구목표

• 최근증가하고있는 Apple watch, Nike fuel, Fitbit

Charge HR과같은인체착용형스마트기기는착용자

의운동량및생체징후를실시간으로, 객관적으로측

정할수있는장점이있다.

• 개인용생체데이터수집이보편화되어가고있는상

황에서, 데이터의용량이대형화 (big data) 되어가고

있고이에 대한분석방법들도다양화되어가고있다.

• 본연구에서는스마트워치를이용하여개인용생체

데이터를수집하고이에대한 deep learning 기반데이

터분석방법을활용하여새로운개인용헬스케어시

스템의기반을이루고자한다.

3D IC design 개발

▪ 3D IC design 테스트및 3D IC의신뢰성향상을위한연구

컴퓨터시스템 및 고신뢰성 SOC 연구실 졸업연구 주제 소개

• 3D IC의 신뢰성 향상을 위한 저전력 3D IC 기술연구

• 3D IC의 신뢰성 향상을 위한 TSV 배치 기법 연구

• 3D IC design을 위한 test data volume, test time, h/w area overhead issue를 감소시키는test architecture 개발

• 각 레이어를 테스트 하는 효율적인 패턴 생성 방법 개발

Processor

CoreCoreCore

3DT

Controller

Processor

CoreCoreCoreMemory

MBISR

MemoryMBISR

Logic LayerLBIST

CoreCore

Core Core

Core

PrefetchCache

머신러닝가속기및 GPU 구조연구(지도교수: 노원우)

연구목표

머신러닝연산처리를위한뉴럴프로세서및차세대가속기구조연구인공신경망연산의병렬처리를위한 GPU 및가속기구조연구개발

Processing Speed Matters!

IoT, 드론, 스마트카등으로부터수집된대규모빅데이터처리

GPU 및가속기구조의효율적개선을통한인공지능/머신러닝성능향상

QUANTITATIVE ANALYSIS OF MULTI-THREADING OPTIONS BETWEEN GPGPU AND SMT-ENABLED CPU

독립트랙, 지도교수: 송진호

Multi-threading options to accelerate machine learning algorithms

General purpose GPU (GPGPU) Hyperthreading in large core-count CPU

Machine learning applications

Performance vs Power

독립트랙 (지도교수: 이상훈)

다양한곳에활용될수있는행동인식알고리즘개발

그림 1. Kinect 에서추출한스켈레톤을이용한행동추출

- 그림 1과같이 Skeleton 정보에기반하여행동인지

- RGB-D 정보에서 3차원 skeleton 및행동인지

- RGB 정보에서 3차원 skeleton 및행동인지

Deep Learning Based Action Recognition

독립트랙 (지도교수: 손광훈)

- 전방카메라에비해주위정보활용이가능한 AVM 영상을이용하여무인자동주차시스템을구현 (그림 1)

- 차량이미지에서의깊이정보를추정하여거리정보활용 (그림 2)

- Deep learning 을이용한 weakly-supervised learning approach 기반의 Semanticsegmentation parking space detection

Autonomous parking system exploiting Depth information

그림 1. AVM을이용한 parking space detection system 그림 2. 자동차촬영영상및깊이정보영상

독립트랙 (지도교수: 유기준)

5 mm

❖ 생체 삽입용 센서를 위한 초박막 트랜지스터 제작

초박막 전자 소자의 전사 기법에 따른 트랜지스터 성능 저하에서 시작

• 새로운 플렉시블 전자센서 공정기법 개발

• 기존의 전사기법으로 제작된 트랜지스터와완전역소자 공법으로 제작된 트랜지스터의성능 비교

• 트랜지스터 어레이 제작을 통한 생체 삽입용센서의 개발

그림. 뇌 모니터링용 유연 전자 센서 어레이

독립트랙 (지도교수: 유기준)

5 mm

❖ 뇌파 맵핑용 유연 생체 삽입형 센서의 신호 대 잡음비 극대화를 위한 표면 처리

- 기존 뇌파 측정 센서의 낮은 신호 대 잡음비로 인해 느린 파형 측정의 어려움에서시작

• 새로운 플렉시블 전자센서 공정기법 개발

• 표면 처리가 안된 실리콘 센서와 표면 처리가 된센서의 성능 비교

• 수동형 전자 센서어레이 제작을 통한 생체 삽입용센서의 개발

그림. 뇌 모니터링용 유연 전자 센서 어레이

그림. 표면 처리된 실리콘 그림. 동물 뇌에 임플란트된 센서

독립트랙 (지도교수: 이상윤)

적은 Database를 이용한 정확한 실시간 얼굴 검출 / 감정 인식 Application 개발

- Convolutional Neural Network를 이용하여실시간 Deep Learning Framework 구축

- 얼굴 검출과 감정 인식을 통해 실시간으로화자의 감정 상태를 인식하는 Application 개발 및 구현

Deep Learning을 이용한 얼굴 검출 및 감정 인식 Application 개발

그림 1. Deep Learning 감정인식 모델 Framework

그림 2. 실시간 Detection/Recognition 결과

독립트랙 (지도교수: 이상윤)

제스쳐 인식을 위한 머신러닝 기반의 3차원 손가락 특징점 검출

- Cascaded regression과 머신러닝을 이용하여 실시간으로 3차원 손/손가락 특징점 검출

- 손과 손가락의 특징점 검출을 통한 인식으로 컴퓨터와 반응할 수 있는 Natural User Interface 개발 및 구현

Depth Sensor를 이용한 3차원 손가락 특징점 검출

그림 1. Detection 알고리즘 및 단계별 검출 결과

독립트랙 (지도교수: 이상윤)

실시간으로 자동차 및 보행자를 검출하여 자율 주행 시 일어날 수 있는 문제점 해결

그림 1. 실제 DB영상에서 자동차 및 보행자 검출 결과 예시

- 그림 1과 같이 실제 취득된 데이터베이스(RGB 영상)에서 실시간으로 자동차 및 보행자 영역을 검출한다.

- 자동차의 특징과 보행자의 특징을 잘표현하는 인자를 추출한다.

- 뽑아낸 인자를 통하여 자동차와 보행자를 분류한다.

자율주행을위한자동차및보행자검출및분류기설계

독립트랙 (지도교수: 이용식)

자유위치무선충전영역최대화를위한최적다중코일무선전력전송시스템

그림 3. 현 무선충전기기 컨셉 (Qi)그림 1. 무선충전 내장형 가구 (IKEA)

• 현재 무선충전기는 이미 상용화 되어 있으며 그림 1과 같이 가구내장형 등 다양한 형태로 확대 보급 중임.

• 그러나 제한된 충전 영역으로 인해 외관상 표기를 해줘야 하고, 조금만 틀어져도 충전이중단되는 치명적인 단점을 가지고 있음.

• 이를 해결하기 위해 그림 3과 같은 컨셉이 제시되었으나 코일 간의 간섭으로 인한 효율저하, 시스템 복잡도 증가로 인한 설계 문제, 코일 개수 증가로 인한 단가 증가 등 많은문제점을 가지고 있음.

• 목표 : 다중 코일 시스템의 코일 개수/크기/위치 최적화를 통한 향상된 무선전력전송 시스템 제시 및 무선충전영역 최대화.

약 1.5 cm 이동

충전X

그림 2. 현 무선충전기의 문제점

독립트랙 (지도교수: 이재용)

연구 목표

- 요청/응답 모델을 통해 기존 이동성 기술보다 경량화된 데이터 획득 및 계획된 데이터 갱신 구조설계 및 구현

- 이동성을 고려한 Publish/Subscribe 기반의 IoTDevice 상태와 컨텐츠에 따른 통신 알고리즘 설계

이동성이있는다양한 IoT Device들을탐색, 통신, 제어, 관리하는OpenSW Platform(Iotivity) 기반의매니지먼트알고리즘설계및구현

예상 연구 결과

- 다수의 IoT Device 의 자원제한특징을 고려하여 이동성과 통신신뢰성을 확보하는 내용기반 매니지먼트 알고리즘 설계

- 다양한 종류의 OpenHW와 SW로 구성된 IoT기기들로이루어진 Testbed 구축 및 실증

그림1. 위의 서비스 시나리오에 해당하는 IoT Testbed 예시

독립트랙 (지도교수: 이재용)

연구 목표- Advanced TSA(Time Series analysis) 를이용한경로혼잡예측및이에따른우회경로설정시간최소화

그림 1. SDN 구조

예상 연구 내용

- 오픈소스인 ONOS SDN 컨트롤러 의 이해- ONOS SDN 컨트롤러에서 경로 모니터링및 우회 경로 설정 동작 절차의 이해

- 분석 모델을 통한 우회 경로 설정 시간 최소화 기법 제안

예상 연구 결과

- SDN 컨트롤러의 우회 경로 설정 시간 최소및 플로우의 향상된 서비스 만족도 제시

SDN(Software Defined Network) 환경에서 데이터 링크 상태에 따른 중앙컨트롤러의 적응형 경로 설정 방법

독립트랙 (지도교수: 이재용)

사용자 품질 보장을 위한 서브 네트워크의 network slice 연동 기술 및 구조

그림 1. 종단간 network slicing 구조 예시

- 디바이스가 서버로 부터 서비스를 이용할 때, throughput, delay 와 같은서비스 품질을 보장하는 방법 제안

- 다수의 네트워크 사업자가 각자의 네트워크 자원을 SDN, network slicing 기술로 관리

- Slice manage를 제안하여 다수의network slice들을 관리하고 조합하여 연동하는 기술과 fail-over 기술 연구

5G 이동통신망의종단간서비스품질보장을위한 network slicing 연구

통신·네트워크 연구실 졸업연구 주제 소개

독립트랙 (지도교수: 정종문)

무선 네트워크 기능을 활용한인공지능 스마트 ITS 시스템

- 고속 차량 이동을 고려한 무선 네트워크 성능 향상

- 스마트 차량 및 스마트폰 기반의 성능 측정

(지연시간, 반응속도, 소모전력)

- 고속 이동 상황을 고려한 끊김 현상 최소화

- 차량 무선 통신 환경에서 효율적 긴급 메시지 전달 체계

- 스마트 차량의 반응속도 및 소모전력 개선을 위한 알고리즘

- 스마트 차량 자동화를 위한 최적 제어 시그널 전달

스마트 ITS 시스템

0 [m]

(1, 1)(1, 2)(1, 3)

R [m]

Received

Power

[dBm]

(1, 4)(1, 5)(1, 6)Waiting

time

TSlot

= TSlot

= 2 × TSlot

= 3 × TSlot

Selected as

Relay Node!

통신·네트워크 연구실 졸업연구 주제 소개

독립트랙 (지도교수: 정종문)

스마트기기와 IoT 기기의 소모전력 및커널 스케줄링 성능 개량

- 스마트폰 기반의 커널 스케줄러 성능 (반응속도, 소모전력)

측정

- 스케줄러 성능에 영향을 미치는 파라미터 도출 및 수학적모델링

- 스마트폰의 반응속도 및 소모전력 개선을 위한 커널스케줄러 개발

- 반응속도를 고려한 소모전력 최적화 인공지능 알고리즘개발

- 안드로이드 기반 스마트폰에서 개발 알고리즘 프로토타입개발

스마트 IoT 시스템

Control Center/Medical Server

Bluetooth

LTE

Minimize the energy consumption

Satisfy the response time threshold

Power consumptionmeasurement

Response time measurement

Experiments

Developed App

Power consumptionprofile

Mathematical model for response time

Artificial Intelligence Algorithmfor Optimization

Multimedia Security Lab –Andrew Teoh

Introduction:Deep Learning is a class of machine learning methods mainly for representation learning. A prominent success of deep learning is manifested by AlphaGO, where ConvNet (Convolutional Neural Networks) has been one of the key technologies in the system.

Objective:To analyse facial attributes for identity recognition, age estimation, gender recognition, emotion recognition, ethnic recognition, beauty analysis, character recognition etc with ConvNets.

Methodology:1. Perform literature review on major Deep Learning libraries such as Caffee, Tensorflow, Torch etc2. Perform literature review on facial attributes analysis using ConvNets. 3. Perform simulation using ConvNets.

Tools:MATLAB or C++ or Python with Deep Learning Libraries.

Face Attributes Analysis with Deep Learning Machine

Multimedia Security Lab –Andrew Teoh

Introduction: Recently, Generative Adversarial

Network has succeeded generating realistic images (and audios, etc.) in a manner of unsupervised learning. The success is by combining a recently proposed technique called generative adversarial learning with a convolutional neural network architecture.

Objective: To analyze various GANs, and generate

realistic images (and, if time allowed, apply domain-adaptation by GAN).

Methodology:1. Perform literature review on the major Deep Learning library TensorFlow

2. Perform literature review on various (convolutional) GANs3. Perform simulation using GANs

Tools:Python, TensorFlow

Realistic Image Generation by GAN

Min-max Game

+ CNN

UnsupervisedLearning

Face dataset

generate

Machine GENERATED Images

독립트랙 (지도교수: 홍대식)

AI in Wireless Communication

Machine Learning 알고리즘을이용한 송수신기 개발

Line Tracer를 이용한 3D Mapping

Stack 구조에서의 Floating gate를 이용한 Charge 저장용 Device 측정 및 분석 (지도교수: 윤일구)

- 측정장비에 대한 사용법과 측정 결과에 대한분석

- 소자 구조의 분석을 통한 소자 동작 특성의이해

- 그림과 같은 구조를 갖는 소자에서 Charge의Tunneling 특성을 이해

- 측정을 통한 Floating gate에서의 Charge trapping/detrapping 현상을 분석

전기적특성(I-V & C-V)을측정하여 Charge trapping mechanism을확인

0 5 10 15

1E-10

1E-9

1E-8

1E-7

1E-6

Cu

rren

t

Voltage

4th_15V sweep

3rd_15V sweep

-5 0 5

1.60E-012

1.80E-012

2.00E-012

2.20E-012

2.40E-012

2.60E-012

0.5792 V

0.5612 V

Cap

acit

an

ce

Voltage

Hysteresis_40um(2,3)

Hysteresis_50um(4,5)

Hysteresis_60um(3,7)

0.4622 V

Poly-Si

SiO2

Si-substrate

SiO2

200 nm 증착

20 nm 증착

200 nm 증착

Poly-Si

Al

100 nm 증착

n-type doping

1e16

p-type doping

1e18

10 ~ 100um Width

2um Width!

(Total 4um)

YONSEIUNIVERSITY

LED 감성 조명 Li-fi 연구

그림. CSK-Li-fi 기반 감성 조명 구현

LE

D

LE

D

✓ Li-fi (Light-fidelity)는실내조명을이용한기존의 Wi-fi 와같은무선통신방식

✓ CSK (Color shift keying) 변조방식연구를통한전송용량증대및조명색조절

✓ LED에전기적신호변조를하여원하는신호전송

✓ CSK-Li-fi 연구를통한감성조명시스템

독립트랙 (지도교수: 황태원)

• Cognitive radio 기법은 primary user (PU)가 비사용중인 주파수를secondary user (SU)가 사용하도록 허가하여 주파수 사용 효율을 향상시킨다. 따라서, SU는 PU의 상태를 잘 예측하는 것이 중요하다.

• SU는 PU의 상태를 sensing하여 PU에게 주는 interference를제한하면서 주파수 사용효율을 최대화 하려고 한다.

• Machine learning은주어진 시스템의 입/출력 관계를 잘 모를 경우학습을 통해 예측하게 한다. 따라서 machine learning 을 통해 SU가primary network을 학습하여 네트워크 성능을 최적화 할 수 있을 것

이다.

• Objective: Machine learning을 사용하여

cognitive radio network의 성능을 최적화.

1) Machine Learning 기본 지식 습득

2) SU의전송 전력 조절 문제 설정

3) Matlab을 이용한 simulation 및 분석

연구주제: Machine Learning for Cognitive Radio Networks

Fig. Machine Learning for Cognitive Radio Networks

연구목표및계획연구배경

SecondaryUser

(Agent)

Transmit Power Control(Action)

Reward

Sensing(Observation)

PrimaryNetwork

(Environment)

Primary Network

Sensing

Frequency

Time

Vacant

Occupied

Secondary User (Tx)

Transmit Power Control

Interference

Secondary User (Rx)

1

현재OP값

sensor 에서의간섭량

Feedbacks:

s-RX throughput

s-TX 전송여부

s-TX : Transmission

s-TX : idle

가상의

OP조절

가상OP조절후파라미터:

s-RX throughput

s-TX 전송여부

실제

OP조절

주파수공유Framework 연구독립트랙(지도교수:김성륜)

Deep Q-Network 기반Opportunity 개선Opportunity Map 기반주파수공유시스템

CBRSCitizens Broadband Radio Service, FCC

• 3.5 GHz 대역사용(군용 레이더/위성통신)

• 주파수접속동작이중앙서버(SAS) 에의해 관장됨

OP mapOP맵 DB 기반스펙트럼관리

• 광대역고해상도/저복잡도센싱기반자체주파수점유DB 구축

• 총체간섭엔진기반OP맵서버가주파수접속 관장

• 미래통신기술접목을통한DSA 성능증대 도모

FCC 주파수

이용현황DB

총체간섭량/위치정보업데이트

Incumbent

Access

Priority Access

(PAL)

General Authorized Access (GAA)

Spectrum

Access S

erver (SA

S)

자원할당관리

DSA플랫폼

센싱플랫폼

• 저비용센싱

• 압축센싱

OP맵DB

• 총체간섭엔진

• 이종시스템MAC

• 자원할당관리

• OP 기반 flexible duplex 기술

• DSA 최적웨이브폼

타겟어플리케이션

• PS-LTE • LAA-LTE • LAA-WiFi • D2D (IoT)

2. Triple-Win

Service Provider Operator

• Operator: 주파수구매비용↓, 망관리비 ↓

• Service Provider: 새로운사업모델창출

• Government: 복지↑

➥망중립성이슈해소가능

Government

Progressive Tax

The rich pay more for helping the poor,

1. Pain Sharing

Secondary User Primary User

P user의 보호조건을완화하여 (pain sharing)

S user와의 공존확률및주파수사용율을높이는 것

Machine Learning-based

OP Map creation

P

Psensor

sensor

PSensor networks with minimal number of sensors- Jointly based on OP and machine learning- Achiesevnessorhigh spatial resolution & low cost OP Map

연구내용

- 집단 지성(collective intelligence)을 활용하여 공통의 목적을 효율적으로 달성할 수 있는 로봇 네트워크를 구성

- 네트워크 내에서 악의적인 정보나, 잘못된 정보를 보내는 기계를 배척하고 정확한 정보를 보내는 기계만을선택하여 별도의중앙 관리가 필요하지 않는 분산적인 네트워크를구성함

- 다수의 로봇이 미로를 탐색하고 빠져나가는 과정을 통해 위의 상황을구현함

연구수행

- Mindstorms EV3 로봇을 이용하여 미로를 탐색할 수있는 로봇 제어 / 로봇에 통신 모듈을 탑재하여 통신 프로토콜 구현

- 수행 테스트베드를 임무 상황에 따른 통신 방식 연구에적용함

- Distributed Computation 작업 적용

독립 트랙(지도교수: 김성륜)

RADIORESOURCEMANAGEMENT &OPTIMIZATIONLAB.

집단 지성 협력 과정에서의 로봇 간 통신 트래픽 송수신 최적화 연구

독립트랙 (지도교수: 황도식)

알츠하이머치매진단을위한인공신경망기술개발

그림 3. 딥러닝을이용한 Feature 분류

그림 1. 정상 Brain (A)과알츠하이머질병 Brain (B)

• 알츠하이머는현대의학에서아직정복하지못하였으며, 많은현대인들이겪고있는질병이다.• 자기공명영상 (MRI) 에서알츠하이머를관찰하면, 그림 1과같이뇌조직의수축이일어난다.• 최근이러한구조적인특성을이용하여조기진단할수있는머신러닝 (Machine Leraning)연구가시도되

고있다. (Support Vector Regression, Multi-Layer Perceptron, Convolution Neural network) 조기진단은추후약물치료를통한알츠하이머진행약화를가져오기때문에아주중요하다.

• 본연구에서는그림 2와같이딥러닝연구에서각광받는 Convolution Neural Network 를 설계하여알츠하이머를정확하게진단하는신경망을개발하고자한다.

• Alzheimer’s Disease Neuroimaging Initiative (ADNI) 에서알츠하이머환자뇌자기공명영상을빅데이터형식으로제공하고있다. 이를활용하여최적의인공신경망기술을개발하고자한다.

• 목표 : 자기공명영상에적합한알츠하이머분류인공신경망기술개발

그림 2. Convolutional Neural Network (VGG-net)

독립트랙 (지도교수: 민병욱)

- 일반적으로 Non-reciprocal 회로는 transistor amplifier 또는자성물질을 통해 만들어진다고알려짐.

- 2014년 11월 Nature Physics에자성물질이나 transistor가 아닌 diode를 이용한 circulator 가 보고됨.

그림 1. Nature 논문에 게재된 회로 그림 및 사진- 2017년 6월 International

MicrowaveSymposium에도 자성체 없이Switch를 이용한 Circulator가보고됨

- 논문들에 나온회로를simulation해보고,새로운 또는 기존 회로를실제로 만들어 측정해본다

Magnetic Free Circulator Design for Full Duplex Radio System

그림 2. IMS 논문에 게재된 회로 그림 및사진

독립트랙 (지도교수: 김태욱)

대상에맞고돌아오는파형을학습하여핸드제스처를분류할수있다는아이디어로부터출발함.

그림 1. 실제제스처와그에맞는파형그래프

- 그림 1과같이시간도메인상에서대상에맞고돌아오는임펄스파형은고유의특징을지니고있음.

- 손의특징을잘학습하고분류해낼수있게끔딥러닝알고리즘(SVM,CNN 등)을설계함.

- 동작제스처의경우 LSTM을활용하여다양한핸드제스처들을인식할수있는딥러닝알고리즘을설계함.

무선임펄스신호를통한제스처인식용딥러닝알고리즘설계

독립트랙 (지도교수: 김태욱)

캡슐형 내시경이 저장하는 데이터 확인의 어려움에서 출발

그림 1. 제시하는 캡슐형 내시경의 개념도

- 그림 1과 같이 캡슐형 내시경이 관측한정보를 무선 송수신하는 SoC 개발.

- 의료용으로 할당된 402-405 MHz 주파수사용

- 인체 외부에서 용이한 수신을 위해 고출력 송신기를 개발.

- 소형 배터리 동작을 위해 전력 소비를 최소화 한다.

캡슐형내시경용통신 SoC 설계

독립트랙 (지도교수: 안종현)

그래핀의합성및 OLED 구조를이용한 Flexible OLED 디스플레이구현

동영상 1. 유연 OLED 단일 pixel 구현

- 유연기판및그래핀전극을이용한플렉서블단일pixel OLED 디스플레이구현

- 위의기본소자구조를응용한 Passive matrix 타입의디스플레이구현

- 유연 pixel 구조를응용한 stretchable 디스플레이구현

동영상 2. Stretchable OLED 구현

그래핀전극을이용한단일 pixel 및 passive matrix 유연디스플레이구현

독립트랙 (지도교수: 최수용)

▪ 시스템의상황인지및특성을추출하고분석하여유동적인최적화과정을수행할수있는인공지능(artificial intelligence) 기술이주목받고있음

▪ 무선통신시스템분야에서인공지능기술을활용가능한분야발굴및연구진행

Wireless communication system에서인공지능(artificial intelligence) 활용분야연구

Artificial intelligence

Throughputestimation

Localization

MDT data(RSRP,RSRQ,

etc.)

▪ 고차변복조 MIMO system을위한수신기법연구• 인공지능기술파악및 MIMO system의

적합성검토• 인공지능기반수신기술구현및성능분석

▪ Minimization of Drive Tests(MDT)을활용한품질예측/위치추정기법연구• 빅데이터처리를위한인공지능기술파악• 네트워크상황을자동으로수집, 분석하여

상시적인최적화를수행하는인공지능네트워크개발

▪ 웨어러블디바이스및무선통신네트워크를활용한디지털헬스연구• 인공지능기술을이용한질병진단알고리즘

개발• 무선통신네트워크및진단결과를활용한

디지털헬스네트워크개발

독립트랙 (지도교수: 최수용)

▪ 5G 통신시스템에서는다양한사물들과서비스가하나의네트워크로연결되고, 각사물들의연결성유지를위해, 초저전력 Internet of Things (IoT) 기술에대한연구가활발히진행됨

▪ 각 IoT device들의정보전송및에너지요구량을만족시키기위해, 정보전송, 에너지전송을동시에수행할수있는 SWIPT 기술의적용에대한연구가주목받고있음

초저전력 IoT를위한 Simultaneous Wireless Information andPower Transfer (SWIPT) 기술구현

▪ 무선전력전송시스템성능분석• 에너지변환효율• Waveform design• Precoder design

초저전력 IoT를위한 SWIPT 시스템구성도

Wireless Information Transfer (WIT)Wireless Power Transfer (WPT)

Access Point(Power, information transmitter)

PowerSplitter

Energy Receiver(Rectifier)

InformationDecoder

IoT devices(Power, information receiver)

▪ SWIPT를위한변복조기법연구• Antenna indexing• Peak to average power ratio (PAPR)

level

독립트랙 (지도교수: 육종관)

24 GHz Radar를이용한여러사람의생체신호검출❖ 연구배경

ｏ센서기술의발전에따라실시간으로여러사람에대한생체신호를검출하는기술이발전되고있음

ｏ기존의기술로는인접한 2명의생체신호검출에한계가있음

❖ 연구목표

ｏ다양한각도, 거리에있는사람에대한위치정보및생체신호검출

ｏ각개인에대한생체신호의실시간모니터링구현

ｏ인접한 2명에대한거리분해능확인및생체신호분리검출

40

Respiration

Heartbeat

독립트랙 (지도교수: 육종관)

2차원 FDTD 및 FEM 방식을이용한플라즈마전자파해석❖ 연구배경

ｏ기술의발전에따른다중물리(multi-physic) 현상에대한관심증대

ｏ플라즈마전자파해석은플라즈마, 유체, 전자기모델링을아우르는연구가필요

❖ 연구목표

ｏ FDTD 및 FEM 방식을통한플라즈마와전자기파의상호작용해석

ｏ플라즈마가전자기파에미치는영향분석

ｏ플라즈마변수에따른경향성분석

41

전자 밀도

플라즈마 유체 모델에 기반한 전자 밀도 계산

0˚

90˚

180˚

270˚

플라즈마 구동 시 비행체의 RCS 패턴 변화