Transfer_Learning
-
Meta-Learning Based Beamforming 논문 리뷰5G & 6G 통신 기반 기술 2021. 9. 21. 16:11
인공지능 카테고리에 Meta-Learning에 대한 글 [1]을 정리하면서, 환경이 급변하는 여러 Domain에 Meta-Learning이 적용될 수 있다는 가능성으로 글을 시작하고 맺었다. 이번 글에서는 여러 Use cases 중에 '5G/6G'에 어떻게 적용될 수 있을지를 살펴보려고 한다. 여러 논문 중에 고민을 하다가, 5G의 대표 기술 중 하나인 Beamforming을 다루면서, 저자들도 IEEE Fellow 다수로 이루어진 논문 [2]이 있어서 이를 소개해보려 한다. mmW에서 주로 사용되는 Beamforming은 대표적으로 Channel이 급변하는 환경으로 취급되기 때문에 Meta-Learning이 적용될 여지가 충분해 보인다는 점 또한 이 글에서 다루는 요인 중 하나다. 제목: Transfe..
-
Meta-Learning과 MAML의 개념 정리최신 기술동향/인공지능 (AI) 2021. 9. 19. 19:42
이번 글에서는 최근, 그 중요성이 점점 부각되고 있는 Meta-Learning에 대해 정리해보려고 한다. Meta-Learning은 다른 Task를 위해 학습된 AI 모델을 이용해서, 적은 Dataset을 가지는 다른 Task도 잘 수행할 수 있도록 학습시키는 방식이다. Meta Learning이 각광받는 가장 큰 이유는 모을 수 있는 Data의 양이 적다는 점과 HW의 Limitation이다. Deep Learning의 대부분 Application은 많은 Data를 High Computational HW에서 Training해서 좋은 성능을 보인다. 하지만, 대부분의 Application은 고품질의 Data를 모으기도 힘들고, 이를 Training할 Computational Power도 부족한 상황에서 ..
-
Continual Learning의 원리와 연구 Trend최신 기술동향/인공지능 (AI) 2021. 9. 17. 19:19
Machine Learning을 5G/6G 통신이나 Image Processing 등 여러 Domain에 적용하는 사례가 늘어나고 있다. 하지만, 단순히 AI를 적용했다의 의미를 넘어서, 실용성이 있기 위해서 넘어야 하는 허들이 몇 가지 있다. 그 중 한 가지가, 바뀌는 환경에 잘 적응을 해야한다는 점이다. 바뀌는 환경에 빠르게 적응하지 못하는 AI 모델은 사용자 입장에서 불안해서 사용할 수 없을 것이다. 이런 문제점을 극복하기 위해, Inference 이후에도, 계속 주어진 Dataset으로 Train을 하는 Online-Learning, 주어진 환경에 맞게 Fine Tuning하는 Transfer Learning 등 다양한 Approach 등이 있다. 이번 글에서는 그 중에, Transfer Lear..