1. 일시: 2023년 6월 8일(목), 13:00-15:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 채민우 교수(포항공과대학교)

4. 주요내용: Statistical perspective of deep generative models

In the first part of this talk, we will provide a brief introduction to deep generative models, such as the variational autoencoder (VAE), generative adversarial networks (GAN), normalizing flows, and score-based methods, from a statistician's viewpoint. In the second part, we will focus on statistical theory for deep generative models, with an emphasis on VAE and GAN type estimators. Both VAE and GAN estimators achieve the minimax optimal rate in a classical nonparametric density estimation framework. Additionally, we will consider a structured distribution estimation where the target distribution is concentrated around a low-dimensional structure, allowing for singularity to the Lebesgue measure. The convergence rates of both estimators depend solely on the structure of the true distribution and the noise level. Moreover, GAN achieves a faster convergence rate than VAE. Finally, we will discuss the minimax optimal rate of the structured distribution estimation under consideration.

*현장 강의만 진행예정입니다.

1. 일시: 2023년 5월 25일(목), 14:00-16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 윤기헌 교수(성신여자대학교)

4. 주요내용: Lefschetz fibrations and related topics

사교 4차원 다양체에 대한 연구가 활발해지면서 이러한 다양체가 갖고 있는 Lefschetz fibration 또는 Lefschetz pencil 구조에 대한 관심도 확대되었다. 특히 사교 4차원 다양체가 Bogomolov-Myaoka-Yau 부등식을 만족해야 하는지에 대한 질문은 아직까지 미해결 상태이다. 이번 발표에서는 사교 4차원 다양체와 Lefschetz fibration과의 관계를 살펴보고, Lefschetz fibration의 분류와 관련된 다양한 결과들을 소개한다. 그리고 최근에 관심을 끌고 있는 음이 아닌 부호수를 갖는 Lefschetz fibration의 건설과 관련된 논의를 진행한다.

*유튜브 스트리밍 예정입니다.

1. 일시: 2023년 4월 26일(수), 14:00-16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 박명훈 교수(서울과학기술대학교)

4. 주요내용: 실험적 사실을 바탕으로 우주의 기원을 연구하는 입자물리 현상론에서 각종 실험들에서 오는 데이터를 엄밀하게 분석하고, 이를 이론적 예측과 비교분석하는 작업은 필수적입니다. 특히 Tera-Electronvolt라는 고에너지 충돌실험에서 오는 빅데이터를 분석하고, 고에너지 충돌과정을 엄밀하게 이론적으로 예측하기 위해 최근 다양한 인공지능 기법들이 공격적으로 사용되고 있습니다. 본 세미나에서는 최근 고에너지 입자물리 현상론에서 사용되는 인공지능 기법과 양자인공지능 기법을 설명하고, 현재 컴퓨팅 기술에서 부족한 면이 어떤 것들이 있는지 알아보도록 하겠습니다.

유튜브 실시간 스트리밍 : 강연자의 동의가 있을 시, 당일 신청 페이지에 스트리밍 주소를 업데이트 하겠습니다.

1. 일시: 2023년 4월 12일(수), 14:00-16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 최호식 교수(서울시립대학교)

4. 주요내용: Quantile Estimation for Encrypted Data

Third-party analyzer which uses personal information may expose sensitive information. As data-based researches increase, such privacy issues are being raised seriously. Homomorphic encryption(HE) has been proposed as a way to avoid it. However, a challenge in ciphertext used in HE is a calculation time of elementary operations, which has significantly much higher complexity than that on plaintexts, resulting in that subsequent data analysis limiting various statistical analytics compared to plaintext data. In this paper, we consider an estimation method to get quantiles for encrypted data, where quantiles are core statistics to figure out data distribution in statistical data analysis. We propose a HE-friendly algorithm for large homomorphic encrypted data using an approximate quantile loss function. Numerical studies show that our proposed method improves calculation time over an estimation based on a sorting way for randomly generated and real data's homomorphically encrypted data. Furthermore, we suggest a modified boxplot for homomorphically encrypted data, where a boxplot is a primary statistical analysis method necessary for data analysis.

유튜브 실시간 스트리밍 : 현장 참석이 어려운 분들을 위해 온라인으로 실시간 방송할 예정입니다. 주소는 당일 신청 페이지에 업데이트 하겠습니다.

1. 일시: 2023년 3월 7일(화), 10:00-14:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자 및 주요 내용

10:00-11:30

• 연사: 지종호 박사(아주대학교 의료원)
• 주제: Grap Representation Learning in Biological and Social Networks
• 초록: Graph data is used in a wide range of domains, such as biominformatics, pharmacology, and social networks, and network security. In bioinformatics, a set of genes—referred to as a genome—is usually represented as a graph, with nodes denoting genes and edges the relations between them. Or people are nodes and interaction between them are edges in social networks. Representative tasks using these graphs are finding key genes and side effects of drugs in the biological network, or finding crime suspects in the crime network (node/edge classification, etc.). Graph representation learning, has become more important in scientific and medical domains. Graph learning in these domains is to discover distinguishing features of chemical compounds or groups of people. This talk is to introduce some of machine learning algorithms such as graph neural networks and graph-based semi-supervised learning in application to bio/social networks.

12:30-14:00

• 연사: 이수연 박사(아주대학교 의과대학)
• 주제: Introduction of diverse bio-medical approaches to conducting drug repositioning and therapeutic target discovery based on multi-omics data and deep learning and statistical approaches.
• 초록: Various deep learning and statistical approaches have been applied to big multi-omics data of cancer patients are being applied to identify biomarkers and new drug efficacy discovery of diverse cancer types these days. However, multi-omics data generally have a character with high dimensions compared with relatively few patient samples, this imbalance is a recognized bottleneck to applying integrated characteristics of multi-omics in bio-clinical research. For these limitations, Diverse multi-omics data integration approaches have been applied to predict optimized potential anti-cancer and disease therapeutic target genes and drugs in diverse research. This talk will introduce kinds of applications and methods to discover new efficacy based on drug repositioning theory and cancer multi-omics data, and diverse projects that have been performed in KIURI bio-AI center on the basis of diverse bio and medical data.

현장 강의만 진행합니다. 식사 제공 없습니다

1. 일시: 2023년 3월 6일(월), 14:00-16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 노영균 교수(한양대학교)

4. 주요내용: Techniques for f-divergence Estimation and their Applications to Machine Learning

   In this talk, various f-divergence estimation techniques and their applications will be explained based on the connection to loss functions. It is known that loss functions are connected to their corresponding f-divergences which measure the theoretical limit of the associated loss functions. In this regard, researchers have focused on the problems that tackle the optimization of f-divergences instead of loss functions. I will clarify the problems that we can benefit from optimizing the f-divergences and explain how novel techniques for f-divergence estimation can be used for real applications.

1. 일시: 2023년 2월 27일(월), 14:00-16:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 권순학 교수(성균관대학교)

4. 주요내용: Survey of vectorial Boolean functions and some unsolved problems.

Boolean functions have many applications in diverse areas of mathematics and engineering, and an efficient design of S-Box in block ciphers is one such example. It is desirable to construct invertible Boolean functions (or a class of permutation polynomials over finite fields) having good cryptographic parameters. In this talk, we give a brief survey of (vectorial) Boolean functions and their applications. We will explain standard invariants of Boolean functions such as nonlinearity, differential uniformity, Walsh spectrum, etc. Also, some results and conjectures on the functions having optimal invariants will be discussed.

** 유튜브 실시간 스트리밍 : 현장 참석이 어려운 분들을 위해 온라인으로 실시간 방송할 예정입니다. 주소는 당일 신청페이지에 업데이트 하겠습니다.

1. 일시: 2023년 2월 23일(목), 11:00-13:00

2. 장소: 판교 테크노밸리 산업수학혁신센터 세미나실

   • 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
   • 무료주차는 2시간 지원됩니다.

3. 발표자: 권순선 교수(아주대학교)

4. 주요내용: Interpretable Classification for Multivariate Gait Analysis

Motivated by gait data from both the normal and the cerebral palsy (CP) patients group with various gross motor function classification system (GMFCS) levels, we propose a multivariate functional classification method to investigate the relationship between kinematic gait measures and GMFCS levels. A sparse linear functional discrimination framework is utilized to achieve an interpretable prediction model. The method is generalized to handle multivariate functional data and multi-class classification. The method yields superior prediction accuracy and provides easily interpretable discriminant functions. And it will help clinicians to diagnose CP and assign an appropriate GMFCS level in a more consistent and mathematical evidence.

** 유튜브 실시간 스트리밍 : 현장 참석이 어려운 분들을 위해 온라인으로 실시간 방송할 예정입니다. 주소는 당일 신청페이지에 업데이트 하겠습니다.

1. 일시: 2023년 2월 3일(금), 15:00-17:00

2. 장소: 산업수학혁신센터 세미나실

• 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
• 무료주차 2시간 등록 가능

  3. 발표자: 김연응 교수(가천대학교)

  4. 주요내용: Discrete optimal control - learning LQR

  Linear Quadratic Regulator (LQR) is one of the most popular structures in optimal control problems. This talk introduces some basic properties of the LQR problems and recent progress in learning LQR. There are two approaches to measuring the performance of the algorithm, Bayesian and Frequentist regret. The advantages and disadvantages will be discussed particularly g on Thompson sampling. Thompson sampling (TS) is known to effectively address the exploration-exploitation trade-off in online learning problems including reinforcement learning for linear-quadratic regulators (LQR). However, in TS for learning LQR, its theoretical analysis is often limited to the case of Gaussian noises. The sampling can be performed directly when we further assume that the unknown system parameters lie in a prespecified compact set which is seemingly restrictive. We propose a new TS algorithm for LQR, exploiting Langevin dynamics to handle a larger class of problems including those with non-Gaussian noises. The notion of preconditioner is introduced to generate samples from non-conjugate posterior distributions.

현장강의만 진행합니다.

1. 일시: 2022년 12월 13일(화), 13:30-15:30

2. 장소: 산업수학혁신센터 세미나실

• 경기 성남시 수정구 대왕판교로 815, 기업지원허브 231호 국가수리과학연구소
• 무료주차 2시간 등록 가능

  3. 발표자: 최우철 교수(성균관대학교)

  4. 주요내용: An introduction to optimization and control problems for mechanical engineering

  Optimization and control problems are widely studied in connection with Mechanical engineering. In particular, one has to use highly efficient algorithms in optimization and control theory to develop intelligent robots and machines. In this talk, I will introduce the mathematical aspects of the optimization and control problems in connection with applications to intelligent robots and machines. An important concept is the model predictive control which solves the optimal control problem repeatedly in real-time applications. I will explain related constrained optimizations problems and various algorithms for solving such constrained optimization.

유튜브 스트리밍 예정(당일 신청페이지 참고)