Embedded Artificial Intelligence Lab

임베디드 인공지능 연구실

관련기사 바로가기
임베디드 인공지능 연구실

임베디드 인공지능 연구실은 리소스가 제한된 실시간, 임베디드 및 센싱 시스템들이 스스로 학습하고 적응하고 진화할 수 있도록 하는 연구를 수행합니다. 막대한 컴퓨팅 자원이 요구되는 현재의 인공지능 기술을 뛰어 넘어 궁극적으로 모든 사물에 임베디드 AI가 적용되어 인공지능의 효용과 혜택이 보다 많은 사람들에게 돌아갈 수 있도록 하는 것이 목표입니다. 이를 위해 우리 연구실은 컴퓨터 시스템, 인공지능 및 머신러닝 연구를 기반으로 파괴적인 아이디어, 판도를 바꾸는 관점 및 협업을 통해 최첨단 기술을 끊임없이 발전시켜 연구의 우수성을 추구합니다. 우리 연구실 구성원들은 독립적인 연구원으로써 시스템 및 인공지능 분야의 흥미로운 문제를 찾고 창의적으로 해결합니다. 우리는 미래와 사람을 믿으며, 연구를 즐기고, 가장 먼저 도전하고, 어려움을 극복하고, 문제를 해결하고, 세상을 더 나은 곳으로 만들려고 노력하고 있습니다.
Embedded Artificial Intelligence (EAI) Lab aims to make resource-constrained real-time and embedded sensing systems capable of learning, adapting, and evolving, which facilitates Embedded AI. We have a vision that Embedded AI will enable billions of computing devices to learn, evolve, and adapt by themselves without requiring any help from other systems or humans. When those self-learning devices are connected together, they will be able to facilitate collective intelligence by learning from each other and exchanging the knowledge learned on each device, providing better insights and making better decisions. Our lab pursues excellence in research by relentlessly pushing forward state-of-the-art science and technology via disruptive ideas, game-changing perspectives, and collaboration. In our lab, we find exciting research problems and solve them, making the world a better place with real impacts. We believe in the future and people and enjoy our research. We try to be the first to take the challenge, overcome the difficulties, solve the problems, and make the world a better place.

Major research field

Embedded AI, Machine Learning, Mobile Computing, AIoT (AI + IoT), Cyber-Physical Systems

Desired field of research

Embedded AI, On-Device Machine Learning, Mobile Computing, Smart Sensing Systems, Collaborative and Federated Learning

Research Keywords and Topics

Embedded AI
Machine Learning
Mobile Computing
Real-time Systems
Smart Sensing Systems
AIoT (AI + IoT)
Cyber-Physical Systems

Research Publications

[KDD 2024] “CAFO: Feature-Centric Explanation on Time Series Classification” In the 30th SIGKDD Conference on Knowledge Discovery and Data Mining
[AISTATS 2024] “On-Demand Federated Learning for Arbitrary Target Class Distributions” In the 27th International Conference on Artificial Intelligence and Statistics
[NeurIPS 2023] “Softmax Output Approximation for Activation Memory-Efficient Training of Attention-based Networks” In the Thirty-Seventh Annual Conference on Neural Information Processing Systems
[SenSys 2023] “On-NAS: On-Device Neural Architecture Search on Memory-Constrained Intelligent Embedded Systems” In the 21th ACM Conference on Embedded Networked Sensor Systems
[IEEE Internet of Things 2023] "Multitask Deep Learning for Human Activity, Speed, and Body Weight Estimation using Commercial Smart Insoles" IEEE Internet of Things

Patents

Device for evaluating series data ordering and method thereof, 2024.06
Device for optimizing memory efficient deep network using square-matricization algorithm and method thereof, 2024.03
Embedded device learning system and method thereof, 2023.11

국가과학기술표준분류

  • EE. 정보/통신
  • EE02. 소프트웨어
  • EE0201. 임베디드 S/W

국가기술지도분류

  • 정보-지식-지능화 사회 구현
  • 011300. 차세대 정보시스템기술

녹색기술분류

  • 고효율화기술
  • 전력효율성 향상
  • 323. 그린 IT기술

6T분류

  • IT 분야
  • 정보처리 시스템 및 S/W
  • 010316. 기타 정보처리시스템 및 S/W 기술