Skip to content
View gwon9906's full-sized avatar
5 followers · 5 following

Achievements

Achievement: YOLOAchievement: Pull Sharkx2Achievement: Quickdraw

Achievements

Achievement: YOLOAchievement: Pull Sharkx2Achievement: Quickdraw

Highlights

  • Pro

Block or report gwon9906

Block user

Prevent this user from interacting with your repositories and sending you notifications. Learn more about blocking users.

You must be logged in to block users.

Maximum 250 characters. Please don't include any personal information such as legal names or email addresses. Markdown supported. This note will be visible to only you.
Report abuse

Contact GitHub support about this user’s behavior. Learn more about reporting abuse.

Report abuse
gwon9906/README.md

이해권 (Haegwon Lee)

AI/ML 엔지니어 · 하드웨어 제약 환경 최적화(On-device AI)
gwon99065@naver.com · GitHub · Portfolio · Blog

👋 소개

  • 동의대학교 컴퓨터공학과 학사 졸업
  • 전력·연산·노이즈 등 물리적 제약 환경에서 AI 성능을 최적화하는 문제에 집중
  • 실험 기반 개선과 **정량 지표(PDR, MAPE, MSE 등)**를 통한 성과 검증을 강점으로 함

🔧 핵심 역량

  • 프로그래밍: Python, C/C++
  • AI/ML: PyTorch, TensorFlow 기반 실험 및 모델 구현
  • 시스템 최적화: 데이터 압축, 경량화, 성능-효율 트레이드오프 분석
  • 신호/시계열 처리: STFT 기반 스펙트로그램, 시계열 예측 및 이상 처리
  • 협업: Git/GitHub 기반 프로젝트 관리

🚀 주요 프로젝트

1) 저전력 IoT 환경을 위한 초경량 데이터 압축 및 복원 (BAM 기반)

  • 성과:

    • 전송 데이터 32B → 20B (37.5% 감소)
    • PDR 절대 기준 +14p.p. 향상
    • GPS 복원 MSE 0.0036 달성

  • 역할: 팀장, 알고리즘 설계부터 시스템 통합 및 실험 검증까지 전체 파이프라인 담당

  • 의의:
    재전송 증가 대신 데이터 자체를 줄이고 복원 성능을 최적화하여
    저전력 LPWAN 환경에서 통신 효율과 신뢰성을 동시에 개선

  • Repo: https://github.com/gwon9906/Lightweight-MF-BAM

2) 산업 밸브 유량 예측 (Encoder-LSTM)

  • 성과:

    • MAPE 1.13 → 0.188 (약 83% 개선)

  • 주요 접근:

    • 밸브 개폐 시점 기준 시계열 재구성
    • Huber Loss 적용으로 이상치에 강건한 학습
    • 단순화된 정규화로 안정적 수렴 유도

(협업 프로젝트로 저장소 비공개)

3) 초저 SNR 환경 LoRa 패킷 복원 (진행 중)

  • 목표: 0 ~ -30 dB SNR 환경에서도 CRC 통과 가능한 패킷 복원
  • 현재 연구:
    • STFT 기반 복소 스펙트로그램 인코딩
    • 다층 BAM 구조를 활용한 엣지-클라우드 압축 복원 파이프라인

📚 연구 및 활동

  • AI/ML 연구실 학부 연구생 (2024.06 ~ 현재)
    • 저신호 환경 무선 신호 복원
    • 산업 센서 시계열 예측 및 최적화 알고리즘 연구

📫 연락처

Pinned Loading

  1. Lightweight-MF-BAM Lightweight-MF-BAM Public

    A lightweight NumPy implementation of the MF-BAM model (Rolon-Mérette et al., 2023) for learning non-linear tasks without deep-learning frameworks.

    Python 1

  2. 4xvgal/ChirpChirp 4xvgal/ChirpChirp Public

    센서 데이터를 머신러닝 기반으로 압축하고 LoRa 통신을 통해 전송하는 저전력/고효율 데이터 송수신 시스템입니다.

    Python 1

  3. Denoise-and-Classify Denoise-and-Classify Public

    SNR (Signal-to-Noise Ratio) 환경에서의 이미지 복원 및 분류 성능을 개선하기 위한 딥러닝 연구 프로젝트입니다.

    Jupyter Notebook