최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Liu S.,Xie L.,Xu L.,Ding F.,Alsaedi A.,Hayat T.
2020 / Journal of the Franklin Institute
데이터가 존재하지 않습니다.
loading...
본 논문은 비선형 시스템의 파라미터 및 상태를 추정하기 위한 2단계 기울기 기반 반복 알고리즘을 제안합니다. 칼만 필터가 선형 시스템에 적합하지만 비선형 시스템에는 적용할 수 없으므로, 극값 원리에 기반한 상태 필터를 개발하고 이를 통해 2단계 알고리즘을 구현하여 파라미터 및 상태를 동시에 추정합니다. 이동 데이터 윈도우를 활용하여 데이터 활용도를 높임으로써 식별 성능을 향상시켰습니다.
Complex valued nonlinear adaptive filters : noncircularity, widely linear and neural models
Fundamentals of stochastic filtering
Nonlinear system analysis and identification from random data
Adaptive nonlinear system identification : the volterra and wiener model approaches
Filtering and system identification : a least squares approach
The Oxford handbook of nonlinear filtering
Bayesian filtering and smoothing
Identification of dynamic systems : an introduction with applications
Approximate Kalman filtering
Introduction to optimal estimation
Detection estimation and modulation theory.
Adaptive filtering and change detection
Iterative identification and restoration of images
Stochastic differential systems : proceedings of the 3rd IFIP-WG 71 working conference, Visegrád, Hungary, Sept. 15-20, 1980
System identification : an introduction
Database Systems for Advanced Applications : 24th International Conference, DASFAA 2019, Chiang Mai, Thailand, April 22–25, 2019, Proceedings, Part II
Optimal state estimation : Kalman, H∞ and nonlinear approaches
Iterative learning control : convergence, robustness, and applications
Adaptive filters and equalisers
Kalman filtering : with real-time applications
Circuits, Systems, and Signal Processing
Ma, Xingyun; Ding, FengInternational Journal of Robust and Nonlinear Control
Liu S.,Ding F.,Hayat T.INTERNATIONAL JOURNAL OF ADAPTIVE CONTROL AND SIGNAL PROCESSING
Wang, Junwei; Ji, Yan; Zhang, Xiao; Xu, LingNonlinear Dynamics: An International Journal of Nonlinear Dynamics and Chaos in Engineering Systems
Wang, Feifei; Ding, FengInternational Journal of Robust and Nonlinear Control
Zhang X.,Ding F.,Xu L.INTERNATIONAL JOURNAL OF ADAPTIVE CONTROL AND SIGNAL PROCESSING
Li, Meihang; Liu, Ximei; Ding, FengNonlinear Dynamics
Liu S.,Ding F.,Yang E.IET Control Theory and Applications
Cui T.,Ding F.,Alsaedi A.,Hayat T.ISA TRANSACTIONS
Liu, Siyu; Wang, Yanjiao; Ding, Feng; Alsaedi, Ahmed; Hayat, TasawarJournal of Computational and Applied Mathematics
Gu Y.,Dai W.,Zhu Q.,Nouri H.International Journal of Systems Science
Zhang X.,Ding F.MATHEMATICS
Zhang, Xiao; Ding, Feng; Xu, Ling; Alsaedi, Ahmed; Hayat, TasawarNonlinear Dynamics: An International Journal of Nonlinear Dynamics and Chaos in Engineering Systems
Zhang, Xiao; Ding, Feng; Alsaadi, Fuad E.; Hayat, TasawarJournal of Computational and Applied Mathematics
Ding F.,Xu L.,Meng D.,Jin X.B.,Alsaedi A.,Hayat T.Nonlinear Dynamics: An International Journal of Nonlinear Dynamics and Chaos in Engineering Systems
Li, Meihang; Liu, Ximei; Ding, FengCircuits, Systems, and Signal Processing
Li J.,Zong T.,Gu J.,Hua L.International Journal of Control, Automation, and Systems
Siyu Liu, Yanliang Zhang, Ling Xu, Feng Ding, Ahmed Alsaedi, Tasawar HayatIET Control Theory and Applications
Li M.,Liu X.Circuits, Systems, and Signal Processing
Meng, DandanJournal of Control Science and Engineering
Boris Skorohod전선 / 대학원
선형시스템의 최적추정자인 칼만필터를 기본으로 하여 모델의 불확실성을 고려한 적응필터 및 강인필터, 계산량을 줄이기 위한 슈미트필터, 다양한 측정치에 대한 내고장을 높이기 위한 분산필터를 소개한다. 또한 비선형 모델에 대한 확장칼만필터를 기반으로 최근에 많은 연구가 되고 있는 무향 칼만필터 (Unscented Kalman Filter)에 대한 특성을 분석한다. 마지막으로 상태변수가 정규분포를 가지지 않을 때 최적의 필터로 최근에 각광을 받고있는 다양한 입자필터 (Particle Filter)를 소개한다. 수업에서 소개된 필터는 INS/GPS 결합시스템과 레이더 추적문제에 적용한다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.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.전선 / 학사
인공지능의 발전 및 데이터의 축적으로 최근 재료공학분야에서 기계학습이 활발히 적용되고 있고 새로운 재료설계방법으로 떠오르고 있다. 본 강좌에서는 학생들에게 기계학습 및 통계추론에 대한 기초 이론 및 파이썬을 이용한 라이브러리 활용 방법을 강의한다. 이를 바탕으로 학생이 실제 재료 데이터에 기계학습을 적용하고 해석하는 방법을 익히도록 한다.전선 / 대학원
본 강좌는 스토캐스틱 제어와 강화학습의 이론과 알고리즘에 대해 소개한다. 강좌의 첫 부분에서는 스토캐스틱 제어이론을 심도 있게 다룬다. 최적조건과 최적제어전략의 존재성뿐만 아니라, value and policy iteration 그리고 선형최적화를 이용한 해결방법에 대해 소개하고 분석한다. 두 번째 부분에서는 강화학습의 방법론을 다룬다. 특히, stochastic approximation 알고리즘을 기반으로 한 방법(예: Q-learning)들의 수렴조건 및 근사방법에 대해 학습한다. Policy gradient와 online learning 방법에 대해서도 소개하고, 여러 알고리즘들의 장단점에 대해 분석한다.전선 / 대학원
본 강좌는 스토캐스틱 제어와 강화학습의 이론과 알고리즘에 대해 소개한다. 강좌의 첫 부분에서는 스토캐스틱 제어이론을 심도 있게 다룬다. 최적조건과 최적제어전략의 존재성뿐만 아니라, value and policy iteration 그리고 선형최적화를 이용한 해결방법에 대해 소개하고 분석한다. 두 번째 부분에서는 강화학습의 방법론을 다룬다. 특히, stochastic approximation 알고리즘을 기반으로 한 방법(예: Q-learning)들의 수렴조건 및 근사방법에 대해 학습한다. Policy gradient와 online learning 방법에 대해서도 소개하고, 여러 알고리즘들의 장단점에 대해 분석한다.전선 / 대학원
빅데이터 혹은 대용량 고차원 데이터의 출연으로 현대 통계학에서 계산의 중요성은 과거의 어떤 때보다 더 중요하게 되었다. 이 과목에서는 빅데이터를 다루는데 필요한 최신의 계산 기법들, 즉 GPU를 이용한 통계계산과 병렬처리를 활용한 통계계산의 이론과 실제를 다룬다.전선 / 대학원
확률이론의 기초를 이해하고 이를 바탕으로 상태변수를 추정하는 원리를 배운다. 또한 이를 비행체 제어에 응용한다. 칼만필터에 대한 상세한 식을 유도하고 그 특성을 연구한다. 비선형 시스템에 적용될 수 있는 Extended 칼만필터를 유도하고 실제 비행기나 인공위성에 응용한 예를 다룬다.전선 / 대학원
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.전선 / 대학원
정보시스템 연구에 있어 2차 필드 데이터를 이용한 계량경제학적 분석 방법 및 논문은 매우 자주 활용되는 방법론이며 논문 카테고리이다. 본 강의를 통하여 학생들은 최근 연구에서 활용되고 있는 고급 수준 데이터 분석 방법론들을 리뷰해보고, 기초 수업과 연구에서 생성된 연구아이디어를 학기 중 계속된 세미나에서의 피드백을 통하여 학술대회 제출 및 프로시딩 게재가 가능한 수준의 논문으로 발전시키는 것을 목표로 한다.전선 / 대학원
푸리에 광학, 회절, 공간 광 변조기, 스펙트럼 분석, 공간 필터, 음향광학, 헤테로다인 스펙트럼 분석, 공간적분 코릴레이터, 시간적분 시스템, 광 컴퓨팅, 광변환, 홀로그램, 광민감 효과, 지연신호처리.전선 / 대학원
교육연구에서 사용되는 데이터의 구조가 대부분 학생이 교사나 학교에 내재되어 있는 위계적인 구조를 가지는 경우가 많다는 점에서, 다층모형은 양적 연구 방법론을 익히고자 하는 교육 연구자에게 매우 필요한 방법론이라고 할 수 있다. 이 교과목에서는 다층모형을 이해하는 데 필요한 통계적 기초를 포함하여 다층모형의 기본적 개념 및 이론적 기초를 다루며, 이를 토대로 하여 2수준과 3수준 다층모형에서 시작하여 종속변수가 연속변수가 아닌 이분변수나 다분변수일 때 적용가능한 다층모형과 다시점 데이터에 적용가능한 변화에 대한 다층성장모형까지 교육연구에서 가장 자주 사용되는 기본적 모형들을 소개하고자 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 / 학사
본 과정에서는 머신러닝의 기초를 수업한다. 수업 초반에는 머신러닝의 기초가 되는 확률, 선형대수, 최적화, 신호처리를 간단히 리뷰한다. 중반부에서는 대표적인 머신러닝 문제인 Classification, regression, clustering을 소개하고 예시를 통하여 개념을 학습한다. 후반부에서는 스마트 제조를 위한 센싱, 공간정보구축, 로보틱스 적용의 실습을 조별로 진행한다. 독립전원으로 구동가능한 미니PC 상에 리눅스를 운용하고, ROS SLAM 등 로보틱스와 공간지능 관련 소프트웨어를 배운다. 마지막으로는 실제 센서를 함께 구동하고 직접 데이터를 취득한 후, 수업에서 학습한 머신러닝 알고리즘을 적용해보기 위한 실습을 수행한다.전선 / 대학원
Shortest path, Network flow 등의 그래프 문제를 해결하는 최근에 개발된 알고리즘과 알고리즘 분야에서의 최근의 연구결과를 학습한다. 분산 시스템의 여러 모델들과 분산 시스템에서 발생하는 중요한 문제들을 해결하는 분산 알고리즘에 관하여 연구한다.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 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.