최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Gu Y.,Zhu Q.,Liu J.,Zhu P.,Chou Y.
2020 / Complexity
데이터가 존재하지 않습니다.
loading...
본 논문은 다중 혁신 식별 이론을 기반으로 d-단계 시간 지연을 갖는 이중 속도 샘플링 상태 공간 시스템을 위한 다중 혁신 확률적 경사 파라미터 추정 알고리즘을 제시합니다. 확률적 교란을 고려하고 경사 탐색을 사용하여 스칼라 혁신을 혁신 벡터로 확장하여 보다 정확한 파라미터 추정을 얻습니다. 시뮬레이션 결과, 제안된 알고리즘이 효과적으로 작동함을 확인했습니다.
System identification : an introduction
Parameter estimation in stochastic differential equations
Time series modelling with unobserved components
Estimation with applications to tracking and navigaton
Stochastic differential systems : proceedings of the 3rd IFIP-WG 71 working conference, Visegrád, Hungary, Sept. 15-20, 1980
Computer controlled systems : theory and applications
Partially observed Markov decision processes : from filtering to controlled sensing
Time series and analysis of irregularly observed data
Recent advances in multi-state systems reliability : theory and applications
Optimal estimation of dynamic systems
Database Systems for Advanced Applications : 24th International Conference, DASFAA 2019, Chiang Mai, Thailand, April 22–25, 2019, Proceedings, Part II
Dynamic programming and optimal control
State-space methods for time series analysis : theory, applications and software
Identification of dynamic systems : an introduction with applications
Statistical methods in control and signal processing
Inference in hidden Markov models
Identification, adaptation, learning : the science of learning models from data
Computational economics and econometrics
Structural identification and damage detection using genetic algorithms
Foundations of software technology and theoretical computer science : 16th conference, Hyderabad, India, December 18-20, 1996 : proceedings
Circuits, Systems, and Signal Processing
Ma, Xingyun; Ding, FengInternational Journal of Systems Science
Cui T.,Ding F.,Alsaedi A.,Hayat T.INTERNATIONAL JOURNAL OF ADAPTIVE CONTROL AND SIGNAL PROCESSING
Ding, Feng; Zhang, Xiao; Xu, LingIET Control Theory and Applications
Wang J.,Mao Y.,Li Z.,Gao J.,Liu H.Mathematical and Computer Modelling of Dynamical Systems
Wang, X.; Ding, F.IET Control Theory and Applications
Gu Y.,Zhu Q.,Li C.,Zhu P.,Nouri H.International Journal of Control, Automation, and Systems
Xian Lu, Feng Ding, Ahmed Alsaedi, Tasawar HayatJournal of the Franklin Institute
Gu Y.,Liu J.,Li X.,Chou Y.,Ji Y.Journal of Computational and Applied Mathematics
Gu Y.,Dai W.,Zhu Q.,Nouri H.Circuits, Systems, and Signal Processing
Gu, Ya; Lu, Xianling; Ding, RuifengInternational Journal of Control, Automation, and Systems
Jian Pan, Xiao Jiang, Xiangkui Wan, Wenfang DingMATHEMATICS
Ding, Feng; Pan, Jian; Alsaedi, Ahmed; Hayat, TasawarMathematical Problems in Engineering
Guan, Y.; Song, X.Circuits, Systems, and Signal Processing
Wang, Xuehai; Ding, FengInternational Journal of Control, Automation, and Systems
Ting Cui, Feng Ding, XueInternational Review on Modelling and Simulations
Sadeghi K.H.,Razminia A.,Ostovar M.,Marashian A.International Journal of Systems Science
Zhang X.,Ding F.IET Control Theory and Applications
Cui T.,Ding F.,Alsaedi A.,Hayat T.Journal of Computational and Applied Mathematics
Xing H.,Ding F.,Pan F.International Journal of Robust and Nonlinear Control
Xu N.,Ding F.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 / 학사
이 과목은 측도 이론과 확률의 기본 개념과 이론을 익히기 위한 과목으로, 다음과 같은 주제를 공부한다. 측도 공간, 측도 가능함수, 적분, 곱공간, Lp공간, 분포, 평균, 조건부 평균, 모멘트 발생 함수, 특성함수, 랜덤 변수 수열, 중심극한 정리, 브라운 운동, 확률과정, filtration, stopping times, 브라운 운동의 존재성, 기본성질, 연속성과 불정칙성, 변동성 및 마코프 성질과 반사 원칙을 다룬다.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
인간의 다양한 운동기술을 주의깊게 관찰하고 효과적으로 연구하는 방법뿐만 아니라 이러한 복잡한 기술들을 정성적으로 분석하는 여러 가지 운동역학적 접근 방법에 대해 배운다. 특히, 인간의 효율적인 운동동작 수행을 위한 주요 원리와 함께 각종 운동상해 원인에 대한 규명 및 예방방법, 그리고 더 나아가 운동 기술의 수행력을 최대로 하기 위한 기술개발 등에 대한 내용을 중심으로 구성된다.전선 / 대학원
본 강의에서는 지능시스템을 위한 패턴인식 알고리즘들에 대해서 공부한다. 패턴인식은 문자인식, 지문인식, 얼굴인식, 음성인식 등을 모두 포괄하는 지능시스템을 구현하기 위한 필수적인 분야로 그 응용 분야가 매우 다양하며 풀고자 하는 문제에 따라 분류문제, 회귀문제, 군집화문제 등으로 나눌 수 있다. 본 강의에서는 각각의 문제들을 풀기 위해 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 패턴인식 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.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 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.전선 / 학사
상태변수 방법을 이용한 미분방정식의 설명에 대해 소개한다. 극 할당 테크닉, 상태 평가자, 안정적인 추적을 포함한 상태 공간 디자인 방법. 석사 과정에서 광범위하게 연구되는 높은 수준의 제어 시스템 디자인의 간단히 살펴보며, 선형시각제어, 시스템확인, 비선형제어, 적응적이고 안정적인 제어에 대해서 학습한다.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 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
본 교과목에서는 기술정책 분석과정에 사용되는 계량경제 분석이론을 소개하고 그 응용사례를 다룬다. 시계열분석방법과 연립체계모형분석방법을 기본으로 하여 생산에 있어서의 기술의 역할과 그 파급효과의 분석에 대하여 살펴본다. 또한 산업간 생산기술의 대체 보완관계 및 수요예측의 사례분석을 포함한 응용사례 연구를 시행하여 본다전선 / 대학원
센서 정보를 통하여 공간 정보를 획득하고 구성하는 기술은 스마트 팩토리나 생산 설계에 있어 중요한 요소 기술이다. 이 강의는 동시적 위치 추정 및 지도 작성법으로 알려진, 센서 기반 위치 정보 추정과 공간 정보 구성에 대한 내용을 다룬다. 특히 센서가 탑재된 대상이 고정적이지 않은 무인이동체의 센싱을 학습하여, 위치 추정과 공간 정보 추정의 연결성을 배우고, 이를 통하여 스마트 팩토리나 자율 주행에 관심이 있는 학생들에게 관련 기초 지식과 활용 사례를 제공한다.전선 / 학사
21세기 들어서 거대 망원경을 이용한 서베이사이언스가 천문학의 주류가 되었다. 방대한 천문 데이터로부터 시그널 프로세싱 및 탐지, 가설 검정, 모델 선택, 노이즈 제거 및 최소화, 비선형 상관관계 파악, 피셔 정보에 바탕을 둔 서베이 설계에 대한 수학적/통계학적인 배경 및 근본적인 원리 그리고 최신 알고리즘을 철저히 학습하고 그 천문학적 응용법을 터득하는 것이 절실히 요구된다. 새롭게 개설되는 “천문정보론” 강좌에서 천문학전공 학부생들은 이러한 심화 교육을 철저히 받아 천문통계의 기초를 다지고 장래 세계를 선도하는 천문학자로서 성장하여 서베이 사이언스를 수행하는 발판을 마련하게 될 것이다.전선 / 대학원
최근에 연구가 많이 되고 있는 이론천문 분야의 주제에 대하여 발표된 논문을 중심으로 연구한다.전필 / 대학원
거시경제학연구 1은 경제학 대학원 과정 1년 차 학생들을 대상으로 설계된 거시경제학 코어 시퀀스의 첫 번째 과목이다. 현대 거시경제학 연구를 위한 입문 과목으로서 기초 이론과 방법을 소개하고, 나아가 주요 거시경제 현상을 분석하기 위한 기본적인 모형에 대해 강의한다.전선 / 대학원
인구변화, 질병확산, 경제적인 변화 같은 많은 사회적 문제들은 시간이라는 하나의 독립변수에 따라 변화하는 상미분 방정식으로 귀결된다. 상미분 방정식은 소위 Dynamic Problem으로 많은 자연과학과 공학문제에서도 쓰여왔다. 본 과목에서는 상미분방정식의 수치해법으로 기본적인 One-step methods, Multistep methods, Predictor-corrector methods, Runge-Kutta methods 등을 다루며, Stiff Problem과 Two-point boundary value problem에 대한 수치해법을 배우도록 한다. 상미분방정식의 수치해법의 수렴성, 오차분석, 안정성 분석 등도 포함한다. 또 하나 중요한 접근방법은 최근 사회과학에서도 많이 쓰이는Agent-Based Modeling(ABM)이다. 최근 Python기반 MESA같은 패키지가 나왔는데 이러한 접근의 장단점과 한계등을 살펴봄을 통해서 사회문제의 다양한 접근들을 시도해본다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 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
제어 시스템 1 의 연이은 과목으로 고급 제어시스템 설계 및 해석에 필수적인 개념 및 기법들을 소개하는데, 특히 비선형 제어, 확률적 추정 및 제어, 적응 제어 및 비선형 최적제어 등에 주안점을 둔다.