AITRICS
Technology

With the world’s most reliable, trustable,
interpretable state-of-art tech,
We can change the way AI is developed
and utilized.

Low Resource AI bg image
Low Resource AI bg image

Transfer Learning

학습된 모델로부터 습득한 지식을 새로운 문제로 전이하여 일반화 성능을 향상 시키고 데이터 효율적인 학습을 가능하게 하는 기술

Meta-Learning

다양한 태스크에 일반화하도록 모델을 학습함으로써 새로운 태스크에 빠르게 적응할 수 있도록 하는 기술

Data Augmentation & Perturbation

데이터 증강 및 변형을 통해 학습 샘플 숫자를 늘리거나 증가한 효과를 얻음으로써 모델의 일반화 성능을 향상시키는기술

Neural Network Compression

네트워크 경량화, 비트 압축, 지식 증류 등을 통하여 뉴럴 네트워크 모델의 메모리 및 계산 비용을 효과적으로 줄이는 기술

Related Paper

ICML 2020

Self-supervised Label Augmentation via Input Transformations

Hankook Lee, Sung Ju Hwang, Jinwoo Shin

ICML 2020

Cost-effective Interactive Attention Learning with Neural Attention Processes

Jay Heo, Junhyeon Park, Hyewon Jeong, Kwang Joon Kim, Juho Lee, Eunho Yang, Sung Ju Hwang

ICML 2020

Adversarial Neural Pruning with Latent Vulnerability Suppression

Divyam Madaan, Jinwoo Shin, Sung Ju Hwang

ICLR 2019

Learning to Propagate Labels: Transductive Propagation Network for Few-shot Learning

Yanbin Liu, Juho Lee, Minseop Park, Saehoon Kim, Eunho Yang, Sung Ju Hwang, Yi Yang

arXiv 2018

Adaptive Network Sparsification via Dependent Variational Beta-Bernoulli Dropout

Juho LeeSaehoon Kim, Jaehong Yoon, Hae Beom Lee, Eunho Yang, Sung Ju Hwang

SAFE AI bg image
SAFE AI bg image

Interpretable ML

샘플 및 모델 레벨에서 모델의 예측 결과에 대한 근거를 해석 가능한 형태로 제공하는 기술

Uncertainty Modeling / Quantification

모델의 지식 및 예측에 대한 불확실성을 모델링과 정량화를 통해 예측 신뢰도를 향상시키는 기술

Adversarially-Robust ML

모델의 예측 결과가 맞지 않도록 만드는 적대적 공격에 강건한 모델을 학습하는 기술

Privacy-Preserving ML

프라이버시에 민감한 데이터를 보호하며 안전하게 학습을 하는 기술

Related Paper

ICML 2020 Workshop on Uncertainty and Robustness in Deep Learning

A benchmark study on reliable molecular supervised learning via Bayesian learning

Doyeong Hwang, Grace Lee, Hanseok Jo, Seyoul Yoon, Seongok Ryu

ACS 2020

Comprehensive Study on Molecular Supervised Learning with Graph Neural Networks

Doyeong HwangSoojung Yang, Yongchan Kwon, Kyung Hoon Lee, Grace LeeHanseok JoSeyeol YoonSeongok Ryu

Critical Care 2019

A Deep Learning Model for Real-time Mortality Prediction in Critically ill Children

* Soo Yeon Kim, * Saehoon Kim, Joongbum Cho, Young Suh Kim, In Suk Sol, Youngchul Sung, Inhyeok Cho, Minseop Park, Haerin Jang, Yoon Hee Kim, ** Kyung Won Kim and Myung Hyun Sohn (*: equal contribution, **: corresponding)

NeurIPS 2018

Uncertainty-Aware Attention for Reliable Interpretation and Prediction

Jay Heo, Haebeom Lee, Saehoon Kim, Juho Lee, Kwangjun Kim, Eunho Yang, Sung Ju Hwang

Auto ML bg image
Auto ML bg image

Meta-Learning

다양한 태스크에 일반화하도록 모델을 학습함으로써 새로운 태스크에 빠르게 적응할 수 있도록 하는 기술

Neural Architecture Search

학습 모델이 스스로 주어진 데이터 및 제약조건을 고려하여 최적의 네트워크 구조를 찾는기술

Bayesian Optimization

베이지안 추론을 이용하여 블랙박스 모델의 하이퍼파라미터를 자동으로 찾아주는 기술

Related Paper

ICML 2019

Learning What and Where to Transfer

Yunhun Jang, Hankook Lee, Sung Ju Hwang, Jinwoo Shin

NeurIPS 2017 Workshop on Bayesian Optimization

Learning to Transfer Initializations for Bayesian Hyperparameter Optimization

Jungtaek Kim, Saehoon Kim, Seungjin Choi

Evidence of
our technology