최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Yu H.,Qiao S.,Heidari A.A.,El-Saleh A.A.,Bi C.,Mafarja M.,Cai Z.,Chen H.
2022 / Journal of Computational Design and Engineering
데이터가 존재하지 않습니다.
loading...
본 연구는 해리스 매 최적화 알고리즘의 지역 탐색 능력을 향상시키고 수렴 속도를 개선하기 위해 라플라스 교차 및 랜덤 대체 전략을 기반으로 한 향상된 알고리즘을 제안합니다. 제안된 알고리즘은 라플라스 교차를 통해 탐색 능력을 강화하고, 랜덤 대체 전략을 도입하여 수렴 속도를 가속화합니다. 실험 결과, 개선된 알고리즘은 강력한 최적화 능력, 높은 수렴 정확도 및 빠른 수렴 속도를 가지며, 엔지니어링 설계 문제 해결에 효과적인 것으로 나타났습니다.
Experimental study of active control of mdof structures under seismic excitations
Theory of randomized search heuristics : foundations and recent developments
Stochastic approximation methods for constrained and unconstrained systems
Global optimization using interval analysis
Estimation of distribution algorithms : a new tool for evolutionary computation
Algorithms and data structures : 4th International Workshop, WADS '95, Kingston, Canada, August 16-18, 1995 : proceedings
Evolutionary algorithms in theory and practice : evolution strategies, evolutionary programming, genetic algorithms
Group search optimization for applications in structural design
Learning in embedded systems
Handbook of parallel computing and statistics
Parallel problem solving from nature--PPSN IV : International Conference on Evolutionary Computation, the 4th Conference on Parallel Problem Solving from Nature, Berlin, Germany, September 22-26, 1996 : proceedings
Intelligent system applications in power engineering : evolutionary programming and neural networks
Algorithms and data structures : third workshop, WADS '93, Montréal, Canada, August 11-13, 1993 : proceedings
Evolutionary programming VII : 7th international conference, EP98, San Diego, California, USA, March 25-27, 1998 : proceedings
Optimization and control methods in industrial engineering and construction
Nature-inspired metaheuristic algorithms
ISA '91 algorithms : 2nd International Symposium on Algorithms, Taipei, Republic of China, December 16-18, 1991 : proceedings
Power geometry in algebraic and differential equations
Modern heuristic optimization techniques : theory and applications to power systems
Adaptation and hybridization in computational intelligence
Journal of Ambient Intelligence and Humanized Computing
Nasab, Seyed Taha Mousavi; Abualigah, LaithJournal of Ocean University of China
Peng Zhou; Zheng Zhou; Yan Wang; Hongbo WangJOURNAL OF COMPUTATIONAL METHODS IN SCIENCES AND ENGINEERING
Yao, Zhifeng; Xu, YeJournal of Computational Methods in Sciences and Engineering
Zhifeng Yao; Ye XuApplied Mathematical Modelling
Qu C.,He W.,Peng X.,Peng X.KSCE Journal of Civil Engineering
Li, Xuanzhi; Li, Xiongyan; Xue, SuduoJournal of Algorithms & Computational Technology
Qishan Zhang; Zhensi LinKSCE Journal of Civil Engineering
Xuanzhi Li; Xiongyan Li; Su-Duo XueEnvironmental Science and Pollution Research
Wang W.,Tian G.,Zhang H.,Xu K.,Miao Z.International Journal of Machine Learning and Cybernetics
Zhu, L.; Fu, Y.Applied Mathematical Modelling
Ren H.,Li J.,Chen H.,Li C.Y.Computers, Materials and Continua
Guo W.,Liu T.,Dai F.,Xu P.Data-Centric Engineering
Jiawei Li; Kunkun Peng; Xudong Deng; Jing Wang; Ao LiuExpert Systems with Applications
Liu H.,Zhang X.,Zhang H.,Li C.,Chen Z.Applied Mathematical Modelling
Rodríguez A.,Camarena O.,Cuevas E.,Aranguren I.,Valdivia-G A.,Morales-Castañeda B.,Zaldívar D.,Pérez-Cisneros M.Journal of Central South University: Science & Technology of Mining and Metallurgy
Cai, Shao-hong; Long, Wen; Jiao, Jian-jun한국CDE학회 논문집
이세정Computational intelligence and neuroscience
Qihang Yuan; Yongde Zhang; Xuesong Dai; Shu ZhangJournal of Mechanical Science and Technology
Shun-Fa Hwang; Ya-Chu Hsu; Yuder ChenComputational intelligence and neuroscience
Yuan Q; Zhang Y; Dai X; Zhang S전필 / 학사
전기,전자분야와 관련된 프로젝트를 수행한다. 디자인에서부터 기술적인 보고서 제작에 이르기까지 적절한 모든 과정들을 수행할 것이다. 프로젝트는 학생이나 교수진에 의해 주어진다. 프로젝트의 성공적인 완료를 위해서는 제작품에 대한 자세한 설명과 자세한 결과 보고와 프리젠테이션이 필요하다.전선 / 대학원
인적자원의 효과적인 관리와 개발을 통하여 조직의 목표를 효과적으로 달성할 수 있을 뿐 아니라, 나아가 인적자원을 기반으로 한 경영전략의 수립 및 달성이 가능하다는 점에서 인사관리는 기업경영에 있어서 매우 중요한 분야라고 할 수 있다. 본 과목에서는 종래의 인사직능 위주의 인사관리에서 벗어나 인사관리 및 인적자원의 전략적 중요성에 기반한 인사관리를 다루고자 한다. 특히 기업 인사관리의 새로운 추세와 형성요인에 관한 이해를 하고 우리나라 기업 인사관리의 방향에 관한 평가와 전망, 그리고 새로운 제안을 시도한다.논문 / 대학원
이 과목에서는 비정규적인 강의와 함께 연구를 수행하는데 있어 필요한 기법을 익히기 위한 몇 개의 토론 분과가 만들어질 것이다. 강독은 이론과 실증연구에 있어 대표적인 논문들뿐만 아니라, 연구방법론에 관한 논문들도 포함한다. 학생들은 강독 논문들을 평가하는 숙제와 함께 자신의 관심분야 연구를 위한 기말논문을 제출하여야 한다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 컴퓨팅(C) 분야 첫번째 강좌이다. 본 교과목의 전반부는 C++ 언어 프로그래밍과 C++ 기반 객체 지향 프로그래밍으로 이루어져 있다. (1) C++ 언어의 기초 문법, 클래스의 개념과 사용법, template과 중요한 라이브러리를 학습하고, (2) abstraction, inheritance, polymorphism 등 객체 지향 프로그래밍의 원리를 습득한 뒤, (3) 예제들을 통해 클래스 기반 객체 지향 프로그래밍을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 본 교과목의 후반부는 중급 자료 구조 및 알고리즘과 딥러닝 플랫폼으로 이루어져 있다. (1) 데이터사이언스를 위한 컴퓨팅의 기초 강좌에서 다루지 않은 자료구조 및 정렬 알고리즘 (Quick sort, Radix sort, heap sort), 트리 알고리즘, 그래프 알고리즘 (Dijkstra, Kruskal 등) 등을 습득하고, (2) 배운 자료 구조와 알고리즘들을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 또, (3) Pytorch, TensorFLow 등 널리 사용되는 딥러닝 플랫폼을 학습하고, 동일 학기 수강이 권장되는 머신러닝 및 딥러닝 1(ABC 과정 중 A 분야 첫번째 강좌)에서 배운 딥러닝의 기본 원리들을 직접 구현하고, 이에 더하여 상기 플랫폼을 통해 구현 할 수 있도록 한다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
현실에서 발생하는 최적화 문제는 많은 경우, 효율적인 알고리즘을 갖지 않는 NP-hard 문제이다. 본 강의에서는 우선 이러한 문제를 식별하는데, 기본이 되는 최적화 계산론, 다항 변환 등을 도입한다. 그리고 NP-hard 문제의 좋은 해를 효율적으로 구하는 다양한 접근법을 다룬다.전필 / 대학원
협동과정 기술경영경제정책전공은 기술혁신의 이론을 바탕으로 기술 경영, 기술 경제, 기술 정책의 세부 분야가 유기적으로 결합되어 있는 학문 분야를 탐구한다. 본 교과목을 통해 본 전공에 입학하는 학생들이 세부 분야의 발전과정을 이해하고, 향후 중요한 학문적 토픽을 탐색하는 기회를 갖게 된다. 본 교과목의 주요 구성 내용은 다음과 같다. - 기술혁신의 이론 - 기술 경제학의 핵심 개념과 연구토픽 - 기술 경영학의 핵심 개념과 연구토픽 - 기술 정책학의 핵심 개념과 연구토픽 본 교과목은 교수의 강의와 학생들의 관심 토픽에 대한 발표를 병행하며, 수강 후 수강생들이 자신들만의 고유한 연구토픽을 발굴할 수 있을 것으로 기대된다.전선 / 대학원
본 교과목은 단순히 기존의 가속기를 활용하는 수준을 넘어, 차세대 AI 반도체 분야의 창업 및 핵심 개발에 필요한 맞춤형 AI 추론 엔진 개발 능력을 배양하는 것을 목표로 한다. 이를 위해 최첨단 설계 방법론인‘알고리즘-소프트웨어-하드웨어 통합 설계(Co-design)'에 대한 깊이 있는 이론과 실전 경험을 제공한다. 수강생들은 GPU와 같은 범용 하드웨어의 한계를 이해하고, 특정 LLM 알고리즘에 최적화된 하드웨어를 직접 설계함으로써 전력, 비용, 속도 측면에서 압도적인 경쟁력을 갖춘 엣지 AI 솔루션을 구현하는 방법을 학습한다. 특히, 최신 경량화 기술인 저비트 양자화(Low-bit Quantization) 기법을 알고리즘 단계에서 적용하고, 이를 C++ 기반의 고수준 합성(High-Level Synthesis, HLS)을 통해 FPGA 상에 하드웨어 로직으로 구현하는 전 과정을 실습한다. 최종적으로는 SoC(System on Chip) 환경에서 프로세서(PS)와 프로그래머블 로직(PL)을 연동하여 완전한 LLM 추론 가속 시스템을 구축하는 프로젝트를 통해, 아이디어를 실제 하드웨어 프로토타입으로 구현하는 역량을 완성한다.전선 / 대학원
본 과목에서는 효율적인 알고리즘 설계와 프로그래밍을 위한 고급 방법론과 이론을 깊이 있게 소개하고, 다양한 실습을 통하여 해당 이론들을 체득한다. 이 과정에서 공부하는 내용들은 Sorting, Searching 그리고 Graph Theory, NP―Complete 등이며, 알고리즘 설계 방법으로는 Divide―and―Conquer, Dynamic Programming, Greedy, Randomized 그리고 Approximate 알고리즘 등에 관하여 공부한다. 여러 가지 유용한 문제들에 대해 알고리즘을 설계하고 실제 프로그래밍을 통하여 구현해 봄으로서 강의시간에 소개된 이론을 실습하고 시스템 구현에 필요한 노하우를 습득한다.전선 / 대학원
해당과목은 공학분야에서 중요한 통계적 데이터 처리, 통계적 공학해석, 통계기반 공학설계 이슈들을 다룬다. 통계적 데이터 처리에서는 공학통계, 통계적 데이터 처리의 정성적, 정량적 접근법과 베이지안 통계학을 배운다. 통계적 공학해석은 신뢰성함수, 위험도함수, 가속수명시험, 불확실성 해석, 신뢰성해석, 건전성 진단 및 예지기술을 배운다. 통계기반 설계에서는 통계기반 민감도 해석, 반응함수법, 신뢰성기반 최적설계를 다룬다. 끝으로 공학시스템의 건전성 모니터링기술을 간단히 다룬다.전필 / 학사
Man-Machine-Computer-Environment의 total integrated system effectiveness를 향상시키기 위한 human capability, limiting function, performance output의 측정, 변수의 선정, 분석, 평가, 개선을 위한 설계과정을 심리학, 사회학, 생리학, 역학 등의 방법론을 동원하여 훈련한다. 위의 목적을 이루기 위한 방안으로서 input 기능과 신뢰도, information processing 기능과 측정, output의 분석 및 주위환경의 변화가 인간성능에 미치는 요인들에 대한 실험으로 구성한다.전선 / 대학원
본 강좌는 의사결정 모델을 통하여 복잡한 경영문제들을 해결할 수 있는 기법들을 제공하고 정형화된 모델과 계량적 분석을 틀로 불확실하고 경쟁적인 경영환경들을 분석할 수 있는 모델을 제시한다. 이 과목은 확률론이나 의사결정 모형들을 기본으로 수송문제, 설비배치와 같은 문제들을 분석한다.전선 / 학사
이 과목은 학부 고학년생들을 대상으로 한 과목으로, 다양한 문제를 효율적으로 해결하기 위한 최적화 기법을 다룬다. 본 강의는 수학적 최적화 이론과 이를 구현할 수 있는 알고리즘을 중심으로 구성되어 있다. 강의의 목표는 학생들이 실제 문제에서 최적화 문제를 정의하고, 적합한 알고리즘을 적용하여 효율적으로 해결할 수 있는 능력을 배양하는 것이다. 주요 토픽으로는 미분과 그래디언트, 괄호법, 국지적 경사, 1계 도함수법, 2계 도함수법, 직접법, 확률적 방법, 모집단 방법, 다중 목적 최적화 등을 포함한다.전선 / 학사
어떤 조직구조가 주어진 전략의 보다 효과적인 실행을 돕는가? 본 수업은 학부 3, 4학년을 대상으로 해당 질문을 이론과 실습을 통해 학습한다. 강의는 실행 프로세스로서의 전략이라는 관점에 기반하여 조직 내 보고체계, 최고경영진의 구성 등과 같은 공식조직과, 조직의 비전, 가치체계, 루틴/습관을 포함하는 비공식조직을 알아본 후 전략적 목적하에 이를 변화시키는 조직혁신에 대해서 학습한다. 기업 내, 기업 간 네트워크 분석에 기반하여 네트워크와 플랫폼, 조직 인지다양성, 혁신을 위한 조직 등도 함께 학습한다. 수업은 기업사례 분석, 학술논문 토론, 네트워크 분석 소프트웨어 (R/Gephi) 학습, 사회심리학 실험 등의 다양한 학습방법을 통해 이루어진다.전선 / 대학원
본 교과목은 단순히 기존의 가속기를 활용하는 수준을 넘어, 차세대 AI 반도체 분야의 창업 및 핵심 개발에 필요한 맞춤형 AI 추론 엔진 개발 능력을 배양하는 것을 목표로 한다. 이를 위해 최첨단 설계 방법론인‘알고리즘-소프트웨어-하드웨어 통합 설계(Co-design)'에 대한 깊이 있는 이론과 실전 경험을 제공한다. 수강생들은 GPU와 같은 범용 하드웨어의 한계를 이해하고, 특정 LLM 알고리즘에 최적화된 하드웨어를 직접 설계함으로써 전력, 비용, 속도 측면에서 압도적인 경쟁력을 갖춘 엣지 AI 솔루션을 구현하는 방법을 학습한다. 특히, 최신 경량화 기술인 저비트 양자화(Low-bit Quantization) 기법을 알고리즘 단계에서 적용하고, 이를 C++ 기반의 고수준 합성(High-Level Synthesis, HLS)을 통해 FPGA 상에 하드웨어 로직으로 구현하는 전 과정을 실습한다. 최종적으로는 SoC(System on Chip) 환경에서 프로세서(PS)와 프로그래머블 로직(PL)을 연동하여 완전한 LLM 추론 가속 시스템을 구축하는 프로젝트를 통해, 아이디어를 실제 하드웨어 프로토타입으로 구현하는 역량을 완성한다.전선 / 대학원
본 과정은 선형 시스템, 전달 함수, 라플라스 변환에 대하여 소개한다. 안정성과 피드백을 다루고 과도 응답 사양을 위한 기본 설계 도구를 제공한다. 또한 주파수 영역 기술도 간략하게 다룬다. 이 과정에는 컴퓨터 프로그래밍 실습 및 제어 설계 프로젝트가 포함된다. 실습 프로젝트에 관련된 전공은 조선해양공학은 물론 로봇공학, 기계공학, 전자공학, 전기공학, 산업응용수학 등이다.전선 / 대학원
본 과목은 유한 차원 및 무한 차원 벡터 공간에서의 최적화를 통합적으로 다루며, 최적화와 머신러닝 사이의 상호작용에 중점을 둔다. 최적화 알고리즘은 머신러닝의 핵심 역할을 하며 (예: 주어진 데이터셋으로부터 모델을 학습시킬 때) 동시에 고차원 최적화 문제를 풀기 위해 머신러닝 모델이 최근 많이 활용되고 있다 (예: 물리 시스템의 지배 방정식을 무한 차원 최적화 문제의 해로 재구성한 다음, 머신러닝 알고리즘을 사용하여 이에 수반되는 고차원 최적화 문제를 해결하려는 시도). 본 과목에서는 머신러닝 분야에서 필요로 하는 최적화 이론 및 알고리즘과 동시에, 복잡한 최적화 문제를 풀 수 있는 머신러닝 기법들에 대해 심도있게 다룬다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.