|
 코드번호 : 34 |
|
| 발표자 : 정 송 |
|
| 소속 : KAIST |
|
| 부서 : AI 대학원 |
|
| 직위 : 대학원장 |
|
| 세션시간 : 11:00~11:30 |
|
| 발표자약력 : |
1. 학 력
○ 1988.2: 서울대학교 공과대학 제어계측공학과 학사
○ 1990.2: 서울대학교 공과대학 제어계측공학과 석사
○ 1995.5: 미국 Univ. of Texas at Austin 전기및컴퓨터공학과 박사
2. 경 력
○ 2019.5 ~ 현재: KAIST AI대학원 원장
○ 2019.8 ~ 현재: KAIST AI대학원 교수
○ 2000.3 ~ 2019.8: KAIST 전기및전자공학부 교수
○ 1996.9 ~ 2000.2: 서강대학교 전자공학과 교수
○ 1994.12 ~ 1996.8: 미국 AT&T Bell Labs, Holmdel 연구원
○ 2013.1~ 2015.12: KAIST 5G 이동통신 연구센터 센터장
○ 2015.6~ 2018.6: KAIST 전기및전자공학부 컴퓨터그룹 대표교수
3. 수 상
○ 국제전기전자공학회 윌리엄 베네트 상 2회 수상 (2013년, 2016년)
○ 한국통신학회 해동학술대상 수상 (2016년)
○ KAIST 기술혁신대상 수상 (2016년) |
|
|
| 강연요약 : |
One of the grand challenges of networking research today is to build “autonomous” or “self-driving” networks, where network control decisions are made in real time and in an automated fashion. Yet, building such self-driving networks that are practically deployable has largely remained unrealized due to two major obstacles known as “curse of modeling” and “curse of dimensionality”. In this talk, I will describe a reinforcement learning approach to overcome these obstacles using an example of wireless scheduling and demonstrate that networks can indeed learn to manage radio resources on their own, i.e., directly from experience interacting with their environment. Furthermore, networks can also learn to predict their future from experience if the network states are recurrent, thereby allowing the design of “foresighted” wireless scheduling policies that can solve the long-standing high queueing delay problem in the state-of-the-art max-weight scheduling policy while maintaining throughput optimality. |
|
|
| 온라인행사장 : https://zoom.us/j/91552578450 |
|
|
facebook