연구실은 금융 안정성 및 기업 거버넌스 등 실증 경제 문제를 해결하는 한편, 이질적 그래프 환경에서 장거리 의존성을 포착하고 과소화·과매끄러짐 문제를 극복하는 차세대 그래프 신경망 기술을 개발하는 데 집중하고 있습니다. 또한 자기지도 학습 기반의 그래프 표현 학습 및 지식 그래프 임베딩 등 복잡한 네트워크 분석 기법을 통해 데이터 효율성과 알고리즘 성능을 동시에 향상시키는 연구를 진행하고 있습니다.
학과 페이지에 적힌 연구 분야
기계학습, 강화학습, 로봇학습
10
논문
2
주도 (교신·마지막저자)
1
분야 상위 10% 논문
0.65
FWCI 중앙값
14
총 인용
2020–2026
수집 범위
FWCI(Field-Weighted Citation Impact)는 같은 분야·연도·논문 유형의 세계 평균을 1.0으로 놓고 비교한 값입니다. 분야 보정이 되어 있어 학회 논문과 저널 논문, 전산학과 재료공학을 같은 잣대로 볼 수 있습니다. 논문 10편 중 6편에 대해 산출됐습니다.
논문 유형
저널 논문 7학회 논문 2프리프린트 1
연도별 논문
주도 (교신·마지막저자)참여
2026년 · 주도 0편 · 참여 1편
연구 계통도
모든 분야가 2025년 이후로도 이어지고 있습니다.
가로축은 연도, 점 크기는 그 해 논문 수입니다. 실선은 지금도 이어지는 줄기, 점선과 빈 동그라미는 2025년 전에 끊긴 줄기입니다. 논문 2편 이하인 분야 4개(4편)는 단발성 협업으로 보아 그리지 않았습니다.
전국 대학 · 전 분야