최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 다분류 SVM의 예측 성능을 개선하기 위해 유전자 알고리즘을 활용한 최적화 모형을 제안한다. 제안 모형은 유전자 알고리즘을 통해 최적의 커널 함수 파라미터와 입력변수 집합을 탐색하며, 실제 데이터셋 적용 결과 기존 기법 및 전통적인 다분류 SVM보다 우수한 예측 성능을 보였다.
Success in evolutionary computation
Bio-inspired credit risk analysis : computational intelligence with support vector machines
Kernel methods in bioengineering, signal and image processing
Advances of computational intelligence in industrial systems
Database Systems for Advanced Applications : 24th International Conference, DASFAA 2019, Chiang Mai, Thailand, April 22–25, 2019, Proceedings, Part II
Industrial and engineering applications of artificial intelligence and expert systems : 11th International Conference IEAAIE-98, Benicássim, Castellón, Spain, June 1998 : proceedings
Parallel architectures and bioinspired algorithms
Artificial neural nets and genetic algorithms : proceedings of the international conference in Alès, France, 1995
Advanced intelligent computing theories and applications : with aspects of contemporary intelligent computing techniques. 4th international conference on intelligent computing, ICIC 2008 Shanghai, China, September 15-18, 2008 proceedings
Search and optimization by metaheuristics : techniques and algorithms inspired by nature
An introduction to support vector machines : and other kernel-based learning methods
Computer and information science
Intelligent Computing Theories and Application : 15th International Conference, ICIC 2019, Nanchang, China, August 3–6, 2019, Proceedings, Part II
Kernel-based data fusion for machine learning : methods and applications in bioinformatics and text mining
네트워크모델과 다목적 GA
스칼라와 머신 러닝 : 풍부한 설명으로 배우는 스칼라 머신 러닝 구현
Application of evolutionary algorithms for multi-objective optimization in VLSI and embedded systems
Computational optimization, methods and algorithms
Handbook of bioinspired algorithms and applications
Algebraic and combinatorial computational biology
지능정보연구
이종식, 안현철경영학연구
안현철, 김경재, 한인구Journal of Physics: Conference Series
Elviawaty Muisa Zamzami; Jonson Manurung; Herman MawengkangSoft Computing
Yi X.Evolutionary Intelligence
Ji, W.; Liu, D.; Meng, Y.; Xue, Y.디지털융복합연구
최소윤; 안현철반도체디스플레이기술학회지
서광규Food Chemistry
Devos, O.; Duponchel, L.; Downey, G.Asia Pacific Journal of Information Systems
임강, 홍태호, YoungKi Park디지털융복합연구
최소윤, 안현철한국컴퓨터정보학회논문지
박상성, 장동식, 정귀임Information Sciences
Pławiak P.,Abdar M.,Pławiak J.,Makarenkov V.,Acharya U.R.정보처리학회논문지D
김갑식Asia Pacific Journal of Information Systems
임강; 홍태호; YoungKi Park지능정보연구
민성환Multimedia Tools and Applications
Ye, F.Intelligent Data Analysis
Vateekul, P.; Kubat, M.; Sarinnapakorn, K.东北财经大学学报 / Journal of Dongbei University of Finance and Economics
马晓君; 宋嫣琦; 张萌; MA Xiao-jun; SONG Yan-qi; ZHANG MengApplied Soft Computing Journal
Baliarsingh S.K.,Ding W.,Vipsita S.,Bakshi S.Applied Intelligence: The International Journal of Artificial Intelligence, Neural Networks, and Complex Problem-Solving Technologies
Mezher, Mohammad A.; Abbod, Maysam F.전선 / 대학원
본 강의는 농식품 공급망에서의 레질리언스 역량 강화에 대한 이론 및 모형을 다루고 농식품 공급망 레질리언스와 관련된 주요 이슈 및 연구 동향을 살펴보며 이를 통해 공급망 레질리언스 구축 방안에 대해 심층적으로 논의하는데 그 목표를 두고 있다. 구체적으로 농식품 공급망에서의 다양한 리스크 요인들을 살펴보고 이에 대해 공급망 입지 및 공급망 설계, 구매 및 공급자 관리, 생산 및 운영 등의 전략적 접근 방안을 다루게 된다.전선 / 대학원
본 과목에서는 농식품 산업에서의 공급망 및 운영전략과 관련하여 기후변화 및 지속가능성, 공급망 레질리언스 및 글로벌 공급망 운영전략 등의 관점에서 기본적인 이론과 모형을 습득하고 해당 분야의 최근 연구 동향을 살펴보는 것을 목표로 한다. 구체적으로 공급망 입지 및 네트워크, 구매 전략, 공급망 협력, 생산 및 운영전략, 공급망 혁신기술 등의 연구 분야에서 주요 연구 결과를 논의하고 새로운 연구 문제를 창출할 수 있도록 한다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.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
생명 공학의 발전과 의료의 디지털화로 인해서 방대한 양의 유전체 및 오믹스, 그리고 전자의무기록 데이터가 수집되었으며, 이제 이 방대한 데이터의 처리 및 분석이 중요한 문제이다. 본 과목은 유전체, 오믹스, 의료 데이터의 특성을 소개하며, 이러한 데이터를 분석할 수 있는 통계 및 머신러닝 기반의 분석 방법을 소개한다. 특히, 이 과목은 유전체 등의 바이오 데이터와 전자의무기록이 결합되어 있는 바이오뱅크 데이터에 중점을 둔다. 구체적인 주제는 다음과 같다 ◆ 유전체 등의 바이오데이터와 전자의무기록 데이터의 특성 ◆ 유전체 데이터 연관성 분석 ◆ 유전체 기반 질병 위험도 예측, 인과관계 추론 및 약물 표적 규명 ◆ 전자의무기록 데이터 기반 임상 의사결정 지원 시스템 ◆ 유전체 및 임상 데이터 통합한 다중 모드 데이터 분석전선 / 대학원
오늘날 데이터 중심의 비즈니스 환경에서 인공지능/머신러닝(AI/ML) 기술은 고객 및 시장 분석부터 전략적 의사결정에 이르기 까지 기업 경영 전반에 수많은 혁신을 일으키고 있다. 본 과정은 MBA 학생들에게 비즈니스 애플리케이션에 특화된 핵심 AI/ML 알고리즘들을 실습 중심으로 학습할 수 있는 기회를 제공한다. 고객 이탈 예측, 금융 사기 탐지, 고객 세분화, 수요 예측, 맞춤형 추천 시스템과 같은 실전 사례들을 통해 머신러닝의 실용적인 적용 방법을 익히게 되며, 대규모 언어 모델(LLM)을 활용하여 별도의 프로그래밍 경험 없이도 데이터 처리 및 AI/ML 알고리즘 적용을 위한 기초적인 코드 구현 기술을 습득하게 된다. 본 과정을 수료한 학생들은 머신러닝을 활용한 데이터 기반 의사결정을 효과적으로 수행할 수 있는 역량을 갖추게 될 것이다.전선 / 대학원
유전 알고리즘으로 대표되는 진화 알고리즘과 문제 공간 탐색에 대해학습한다. 진화 알고리즘은 크게 문제 해결을 위한 경우와 시뮬레이션을 위한 경우가 있는데 본 강의는 문제 해결 측면에 촛점을 맞춘다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
본 강좌는 대학원생을 위한 고급 계산생물학 교과목으로 (1) 데이터 전처리 및 정규화(RT-PCR/western blotting data normalization), (2) 기본 통계 및 가설검증 방법(hypothesis testing, multiple testing correction, Bayesian 통계 등), (3) 다변량 통계 기반 데이터 시각화 및 회귀분석(주성분분석, 다변량 회귀분석, 주요 변수 추출 등), (4) 오믹스 데이터 기본 분석(데이터 정규화, 매핑, 발현/활성 차이 유전자/단백질 선별), (5) 타겟 분자 예측(마이크로RNA, 전사인자 타겟 예측 등), (6) 다양한 바이오리소스 및 활용방법(지놈브라우져, 다양한 데이터베이스 및 활용, 생체네트워크 모델링 및 메커니즘 예측) 등의 생물학 연구에 있어서 유용한 기본 분석 및 리소스 활용 방법들을 학습한다. 학습한 방법들을 적용할 수 있는 텀프로젝트 과제를 부여한다. 이 텀프로젝트에서는 각자 가지고 있는 생물학적 문제에 학습한 방법을 올바르게 적용했는가를 평가한다.전선 / 대학원
이 교과목에서는 석유공학분야에서 다양하게 응용되고 있는 기계학습을 다룬다. 구체적으로 시추작업 과정에서 관측되는 여러 자료들을 이용한 학습과 시추문제의 예측, 다양한 저류층 모델의 적절한 선별을 위한 학습, 복잡한 상용모델을 대신할 수 있는 프락시 모델의 구축, 그리고 이들을 활용한 유전관리 최적화에 대하여 학습한다. 기계학습의 원리뿐만 아니라 석유공학분야에서 실제로 활용되는 구체적 과정을 직접 프로그래밍하므로 향후 연구를 위한 적용능력을 키운다.전선 / 대학원
이 수업은 인공지능과 기계학습의 이론적 기초를 다루며, 특히 의료 데이터의 다양한 특징에 맞는 학습 및 추론 알고리즘을 디자인하기 위해 필요한 공학적 및 신호처리 원리를 이해하는 데 초점을 맞춘다. 수업에서는 전통적인 기계학습 기법부터 최신 인공지능 기법까지의 원리를 배우고, 이를 통해 수강자가 주어진 데이터를 바탕으로 알고리즘을 설계하고 공학적으로 해석할 수 있는 능력을 키우는 것을 목표로 한다. 의료 데이터는 단백질과 분자 (그래프), 유전체/전사체 (텍스트), 혈당/뇌파 (시계열 신호), 의료 영상 (다차원 영상), 환자 메타 정보 (테이블), 대사 상호 작용 정보 (다차원 행렬) 등 매우 다양한 형태를 가지고 있다. 이러한 다양한 데이터를 컴퓨터가 이해할 수 있는 형식으로 변환하는 과정에서 비선형 함수의 학습이 중요한 역할을 하며, 이는 의료 인공지능의 핵심 신호처리 원리 중 하나이다. 본 수업은 일반적인 기계학습 및 인공지능의 공학적 기초 외에도, 이처럼 의료 데이터의 특성을 반영한 대표적이고 특징적인 기계학습 및 인공지능 기술을 추가적으로 학습한다. 이를 통해 수강자는 일반 데이터 전문 분석가를 넘어선 의료 데이터 전문 분석가로 성장할 수 있는 역량을 갖추는 것을 목표로 한다.전선 / 학사
산업공학과 경영과학에 필요한 수리적 이론과 과학계산 기법을 제공하는 것을 목적으로 하며 구체적인 내용은 행렬계산, 미분방정식, 푸리에 변환, MCMC 등을 기본적인 방법론으로 하여 산업공학에서 제기되는 다양한 수학적, 계산적 문제들을 MATLAB 또는 R 프로그래밍을 사용하여 분석하는 능력의 배양에 초점을 맞춘다.전선 / 대학원
오늘날의 많은 경영의사결정은 해당 의사결정이 경영활동의 어떤 기능과 관계되는가와 상관없이 통계학과 경영과학에서 제시된 계량적 모형을 이용한 분석을 바탕으로 이루어지고 있다. 본 과목은 통계학과 경영과학의 최적화 과정에 대한 학생들의 기초적인 이해를 높이기 위해서 제시되었는데, 특히 가장 일반적으로 사용되는 MS/OR과 통계적 방법론에 대한 이해와 컴퓨터 프로그램을 이용해서 이러한 방법론들이 어떻게 실행되는가에 대해서 초점을 두고 있다. 본 과목을 통해서 학생들은 여러 가지 통계적 보고서를 평가하고, 이를 경영활동에 활용하는 능력을 가지게 될 것이며, 오늘날의 경영활동에서 기본적인 수단이 되는 통계적 방법론에 대한 기술을 배양하고, 경영환경에 대한 간단한 모형화를 통해 MS/OR과 통계적 방법론들이 얼마나 다양하게 활용되는가를 이해하게 될 것이다.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
데이터와 컴퓨팅 역량의 폭발적인 증가로 인해, 비즈니스 의사결정에서 데이터 분석과 정량적 모델링의 활용은 필수적인 요소가 되었다. 이 과목은 데이터 과학과 고급 경영과학을 결합하여, 다양한 비즈니스 환경에서 데이터의 활용을 통한 효율적 의사결정 시스템을 구축하기 위한 기술과 도구들을 다룬다. 전통적인 데이터 처리 및 분석을 넘어, 데이터를 스마트하고 해석 가능하며 실행 가능한 비즈니스 의사결정으로 변환하는 '처방적 분석' 방법론에 중점을 둔다. 구체적으로는 머신러닝 알고리즘, 고급 의사결정 모델링, 최적화와 같은 기술을 결합하여 자원 배분, 공급망 관리, 불확실성 대응, 경제성 분석 등 다양한 문제들을 데이터와 정량적 근거에 기반하여 해결하는 능력을 배양하는 것을 목표로 한다. 고급 엑셀 기능과 기본적이고 쉽게 이용 가능한 파이썬 모델링 기법 등 실무적인 도구들을 익히며, 코딩 기술이 요구되지 않는 상황에서도 이 도구들의 메커니즘을 이해하고 활용할 수 있는 매니저로서의 역량을 기르게 될 것이다. 이 과목은 처방적 분석 방법론의 실무적 유용성에 초점을 맞추어, 다양한 분야에서 해석 가능하고 실행 가능한 의사결정 시스템을 구축하려는 경영 매니저들에게 유용할 것이다.전선 / 대학원
본 과목은 산업공학과 및 공과대학 대학원생을 대상으로 불확실상황에서의 보다 나은 결정을 지원하기 위한 최신 확률모형 이론과 기법을 소개하고 이를 중심으로 다양한 응용분야의 연구주제에 적용하고 그 결과를 해석할 수 있는 능력을 배양하는 것을 목표로 한다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 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
단백질의 서열을 바꾸어 더 좋은 특성을 지닌 단백질을 개발하는 단백질공학은 식품산업에서 사용되는 각종 단백질의 개량을 위해서는 단백질공학이 필요하다. 최근 AI(artificial intelligence) 등의 기술 발달로 a많은 분야에서 이를 활용이 급격히 확대되고 있다. 단백질공학에 AI를 활용하면 기존의 방법보다 더 빠르고 효율적으로 예측할 수 있다. 본 교과목은 기존의 고급 식품단백질공학에 AI를 활용하는 기술을 추가하여 강의한다. 식품 생명공학은 동물, 식물, 미생물의 유전자를 변형하여 더 좋은 생산효율, 판매, 혹은 영향에 관련한 성질을 개량한 신종을 만드는 학문이다. 본 강의에서는 식품산업에서 이용되고 있는 단백질에 초점을 맞추어, 생명공학 기술에 대한 원리와 이를 적용하는 방법에 대해 배운다. 그리고, 현재 식품 산업에서 사용하고 있는 단백질들의 source 확보 방법, 정제방법, 특성분석 방법, 대용량 정제 방법 등에 대해서도 배운다. 또한, 전분 전환산업, 양조업, 식품첨가물 생산업 등의 식품산업에서 생산 혹은 이용되고 있는 각종 단백질을 산업적으로 대량 생산하거나 이용하는 기술 등에 대한 강의도 이루어진다. 특히 인공지능 기반 단백질 구조 예측의 정확도가 획기적인 도약이 있었으므로, 단백질의 3차원 구조를 활용하여 단백질공학을 수행하는 방법에 대한 강의가 이루어진다.