8편의 한국어 분석 — 최신순으로 정렬했어요
최근 엣지 컴퓨팅은 인공지능 기능을 통합하여 효율성을 높이는 핵심 기술로 주목받고 있습니다. 그러나 엣지에서의 머신러닝(ML) 모델 배포 및 추론에 주로 초점이 맞춰져 있었으며, 모델 학습 측면은 상대적으로 덜 탐구되었습니다. 본 조사는 엣지 학습, 특히 엣지 환경에서의 ML 모델 학습 최적화 개념을 심층적으로 탐구합니다. 이 연구는 엣지 학습의 다양한 접근 방식과 방법론을 종합적으로 탐색하고, 기존 지식을 통합하며, 주요 도전 과제를 식별하고, 미래 동향을 제시하는 것을 목표로 합니다. Scopus와 Web of Science의…
다중 모드 헬스케어 예측은 정형화된 전자의무기록, 의료 영상, 그리고 관련 메타데이터를 통합하여 정확도를 높일 수 있습니다. 그러나 이러한 모달리티들은 환자별로 불완전하게 관측되거나 임상 현장마다 불균등하게 분포하는 문제가 있습니다. 연합 학습은 환자 기록을 중앙 집중화하지 않고도 협력적인 모델 훈련을 가능하게 하지만, 클라이언트별 모달리티 가용성, 업데이트 신뢰성, 데이터 분포의 이질성으로 인해 프라이버시를 보존하는 최적화는 여전히 어렵습니다. 본 연구는 부분적으로 관측된 다중 모드 헬스케어 예측을 위한 모달리티 인지 차등 프라…
분산화를 강조하는 연합 학습 시스템은 데이터의 개인 정보 보호 및 보안을 보장하며 협력적인 모델 훈련을 가능하게 합니다. 이러한 분산 시스템에서 클라이언트 인증은 무단 접근을 방지하고, 모델 준비 과정에서 승인되지 않은 사용자가 예외적이거나 관련 없는 사실을 추가하여 모델을 약화시키거나 오염시키고 일관성을 해치는 것을 막는 중요한 요소입니다. 본 연구는 이러한 문제를 해결하기 위한 새로운 2단계 클라이언트 검증 파이프라인을 제안합니다. 제안하는 프레임워크는 1단계에서 확률적 자료 구조를 활용한 경량 사전 필터를 도입합니다. 정적 …
폐암은 치사율이 높은 암으로, 조기 진단이 효과적인 치료의 핵심입니다. 딥러닝(DL) 기술은 의료진의 진단 부담을 줄일 수 있지만, 기존 모델들은 정확도와 확장성 문제로 질병 탐지 성능이 저하되는 한계가 있었습니다. 이러한 문제 해결을 위해 병원 간의 협력을 통해 더 나은 질병 탐지 성능을 제공하는 연합 학습(FL) 기반의 전역 데이터 학습 질병 탐지(GDTDD) 모델이 제안되었습니다. 본 연구에서는 먼저 각 병원의 폐 CT 이미지 데이터를 중앙값 필터링으로 전처리한 후, MCAU-Net(multi-Convolutional lay…
전기차(EV) 충전 수요 예측에서 사이버 보안 위험을 완화하는 것은 집단 충전의 안전한 운영, 전력망 안정성, 비용 효율적인 인프라 확장에 매우 중요합니다. 기존 방법들은 데이터 프라이버시 문제와 사이버 공격에 대한 취약성을 가지거나, 충전소 간의 공간적 상관관계를 고려하지 못하는 한계가 있었습니다. 본 연구는 이러한 문제들을 해결하기 위해 다수의 충전소가 참여하는 연합 그래프 학습(Federated Graph Learning) 접근 방식을 제안합니다. 이 방식은 공간적 상관관계를 포착하고 잠재적 공격에 대한 견고성을 강화하면서,…
연합 학습(FL)은 원본 데이터를 중앙 집중화하지 않고 분산 모델 훈련을 가능하게 하여 프라이버시에 민감한 IoT 환경에 적합합니다. 그러나 기존 FL 알고리즘은 통계적으로 이질적인(non-IID) 데이터 분포에서 클라이언트 드리프트로 인해 수렴 속도가 느려지고 성능이 저하되는 문제가 있습니다. 본 논문은 이러한 문제를 해결하기 위해 확률적 경사 하강법의 클라이언트 업데이트 규칙에 파티클 군집 최적화(PSO) 역학(속도 평활화, 개인 최적 기억, 전역 최적 조정)을 통합한 하이브리드 연합-군집 최적화(HFSO) 알고리즘을 제안합니다…
신용카드 사기는 매년 수십억 달러의 손실을 발생시키지만, 프라이버시 문제로 인해 은행 간 거래 데이터 공유가 어렵습니다. 이로 인해 연합 학습(Federated Learning, FL) 환경에서 사기 샘플 부족 문제가 발생하며, 이는 통일된 모델 훈련에 큰 제약이 됩니다. 본 연구는 이러한 문제를 해결하기 위해 연합 학습 합성 소수 오버샘플링 기법(FL-SMOTE)을 제안합니다. 이 기법은 부분 동형 암호화와 완전 동형 암호화의 장점을 결합하여 성능과 보안을 강화합니다. 특히, 유클리드 거리 합산, 암호문 비교, 프라이버시 보존 …
연합 학습(FL)은 여러 장치나 기관이 로컬 데이터를 공유하지 않고도 기계 학습(ML) 모델을 공동으로 훈련할 수 있게 하는 접근 방식입니다. 이는 환자 건강 데이터를 활용한 의료 ML 모델 훈련의 윤리적 난제를 극복할 유망한 방법으로 주목받고 있습니다. 본 연구는 헬스케어 분야에서 FL의 잠재력을 윤리적 관점에서 탐구합니다. 의료 FL은 '연합 불투명성'이라는 새로운 형태의 불투명성을 야기한다고 주장합니다. 이는 이해관계자들이 모델 훈련에 사용된 데이터에 접근, 분석 또는 관리할 수 없게 만듭니다. 이러한 불투명성은 의료 ML의…
