김태운 연구실

본 논문은 연합학습(FL), 사물인터넷(IoT), 무선센서네트워크(WSN)의 통합에 관한 종합 조사입니다. 원시 데이터 공유 없이 협력적 모델 훈련을 가능하게 하는 연합학습의 기초, 전략, 유형을 다루며, 다양한 영역에서의 통합 방안, 이질성 관련 과제, 보안 및 개인정보 보호 고려사항, 성능 평가 방법론을 포괄적으로 다룹니다.

본 논문은 일부 엣지 서버가 연합되어 자원 확장이 제한되는 네트워크 및 MEC 자원 스케줄링 문제를 다룹니다. NAFEOS라는 2단계 알고리즘을 제안하며, Stage-1에서는 사용자-기지국 연합 할당을 최적화하고, Stage-2에서는 수직·수평 스케일링을 동적으로 스케줄링하여 최적의 자원 활용을 달성합니다.

본 논문은 대규모 제조 시설의 피크 전력 예측을 위해 제약 조건부 트랜스포머(C2Transformer)를 제안합니다. 제안 방법은 일일 작업량과 날씨 예보를 포함한 특성을 이용하여 회귀 문제로 피크 전력을 예측한 후, 시간별 피크 전력 계열을 생성하여 예측 정확도를 높입니다. C2Transformer는 과거 k시간의 시간별 피크 전력과 n시간 범위의 예측된 피크 전력을 입력받아 n시간의 시간별 피크 전력을 생성하며, 예측된 피크와 생성된 시간별 피크의 최댓값 간 차이를 최소화하는 제약 조건을 포함합니다.

본 논문은 엣지 컴퓨팅 환경에서 서비스 요청 포워딩을 위한 최적 스케줄링 방법을 제안합니다. 다중 나프색 프레임워크와 정수 선형 계획법을 활용하며, 문제 규모 증가에 따른 복잡성 해결을 위해 라그랑주 완화 및 분해 이론 기반의 분산 솔루션을 제시합니다. 시뮬레이션 결과, 중앙집중식 라그랑주 쌍대 솔루션은 준최적 해를 제공하며, 분산 솔루션은 계산 복잡성을 크게 감소시킵니다.