 코드번호 : |
11 |
|
| 발표자 : |
이주현 |
|
| 소속 : |
한양대학교 |
|
| 부서 : |
전자공학부 |
|
| 직위 : |
교수 |
|
| 세션시간 : |
6월 24일(월) 09:00~10:50 |
|
| 발표자약력 : |
2018 – 현재, 한양대학교 조교수
2014 – 2018, The Ohio State University, Postdoctoral Researcher
2014 – 2014, KAIST, Postdoctoral Researcher
2014, KAIST 전기및전자공학과 공학박사
2008, KAIST 전기및전자공학과 공학사 |
|
| 강연요약 : |
강화학습(Reinforcement Learning)은 전통적인 인공지능 연구의 한 축으로 알파고와 같은 대표적인 인공지능 알고리즘에 쓰이는 핵심이론이다. 기본적인 강화학습의 목표는 현재의 상태(State)를 관찰하고 선택 가능한 행동(Action)들 중 누적 보상(Cumulative Reward)을 최대화하는 행동을 선택하는 것이다. 최근 인공지능에 대한 폭발적인 관심에 따라, 게임, 보행등의 고전적인 응용뿐만 아니라 통신 네트워크에 강화학습을 적용한 사례가 증가하고 있다. 본 강의에서는 다중 슬롯머신(Multi-armed Bandits), 마르코브 결정 과정(Markov Decision Process) 등의 기초적인 강화학습 모델과 대표적인 알고리즘을 소개하고 통신 네트워크를 중심으로 응용 사례들을 알아본다. |
|
|
