최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Jo, Hantae; Jang, Dongmin; Park, Sun Kyu; Lee, Mi-Gi; Cha, Byungsun; Park, Chaewon; Shin, Yong Sub; Park, Hyein; Baek, Jin-myoung; Heo, Hyojin; Brito, Sofia; "비전임"_약대; Chae, Sehyun; Yan, Shao-wei; Lee, Changho; Min, Churl K.; Bin, Bum-Ho
2021 / Journal of Ginseng Research
Lee Seung
2022 / Journal of the Korean Physical Society
데이터가 존재하지 않습니다.
loading...
본 논문은 IFS 프랙탈에서 점의 코드를 활용하여 변형의 전파 제어를 개선하는 방법을 제안한다. 기존 방법의 단조로운 변형 문제를 해결하기 위해 코드 기반 맵 선택 제어 및 상태변수 도입을 통해 다양한 속성 변형을 구현한다. 제안된 방법은 프랙탈의 모양 특성을 반영한 흥미로운 변형 결과를 얻을 수 있음을 확인했다.
Fractals in multimedia
Constrained coding and soft iterative decoding
Advances in robust fractional control
데이터 시각화 기본기 다지기 : 데이터 시각화의 기본 원리부터 실무에 바로 활용 가능한 R 실용 예제까지
리팩토링 자바스크립트
Functional programming, Glasgow 1994 : proceedings of the 1994 Glasgow Workshop on Functional Programming, Ayr, Scotland, 12-14 September 1994
손에 잡히는 프로세싱
(한 손에 잡히는) 임상연구 : 설계와 실행의 모든 것
Programming languages and systems, ESOP '96 : 6th European Symposium on Programming, Linköping, Sweden, April 22-24, 1996 : proceedings
프랙탈의 기초
Chaos and fractals : new frontiers of science
Fractal image encoding and analysis
Data structure practice : for collegiate programming contests and education
Fractional programming : theory, methods, and applications
Linear systems, Fourier transforms, and optics
객체지향 파이썬 프로그래밍 : 객체지향 디자인 패턴을 활용한 파이썬 코드 재사용
Information theory and applications II : 4th Canadian workshop, Lac Delage, Quebec, Canada, May 28-30, 1995 : selected papers
프랙털의 세계
Fractional differential equations
Digital signal processing : everything you need to know to get started
한국게임학회 논문지
한영덕한국콘텐츠학회 논문지
한영덕, 김기옥한국게임학회 논문지
송행숙, 한영덕Applied Physics Letters
M. S. Cao; W. Ostachowicz; R. B. Bai; M. RadzieńskiFractal and Fractional
Svynchuk O.,Barabash O.,Nikodem J.,Kochan R.,Laptiev O.ACM Transactions on Graphics
Melzi S.,Ren J.,Rodolà E.,Sharma A.,Wonka P.,Ovsjanikov M.ACM Transactions on Graphics
Corman E.,Ovsjanikov M.Journal of Korea Game Society
Yeong-Deok HanDiscrete and Computational Geometry
Barnsley, M.; Vince, A.Journal of Fixed Point Theory and Applications
R. Medhi; P. ViswanathanChaos, Solitons and Fractals
Prithvi B.V.,Katiyar S.K.IEEE Internet of Things Journal
Daljeet Singh; Atul Kumar; Hem Dutt Joshi; Ashutosh Kumar Singh; Waqar Anwar; Teemu Myllylä; Maurizio Magarini; Lewis Nkenyereye; Kapal DevProcedia Technology
Darmanto, Tedjo; Suwardi, Iping Supriana; Munir, Rinaldi한국게임학회 논문지
한영덕Fractals
Zhou Y.,Liao J.,Du T.IEEE Transactions on Automation Science and Engineering
Cuiral-Zueco, I.; Lopez-Nicolas, G.International Journal of Mathematics and Mathematical Sciences
Maher Jneid; Muath AwadallaJournal of Electrical Engineering and Technology
Razmjou, E.-G.; Sani, S.K.-H.; Jalil-Sadati, S.Composite Structures
Zhang P.,Qi C.,Fang H.,He W.Multimedia Tools and Applications
Tu, C.-T.; Lin, H.J.; Tsai, Y.; Lin, Z.-J.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
수학 분야에서 조합론이나 그래프 이론이 차지하는 비중은 점점 더 증가하는 추세이다. 그 주된 이유는 조합론이나 그래프 이론이 전산학, operations research, 통계학, 사회학 등에 널리 응용되기 때문이다. 지난 수십 년 동안 그래프 이론과 조합론은 급속히 발전되어왔다. 본 과목에서는 수형도, 연결성, 오일러 그래프, 해밀턴 그래프, 매칭, 변 색칠하기, 꼭짓점 색칠하기, 평면그래프, 교차그래프, 유향그래프 및 네트워크 이론 등을 소개하고 조합론적으로 사고하는 법을 습득하도록 하는데 그 목적을 둔다.전선 / 학사
컴퓨터 프로그래밍을 위한 기술과 컴퓨터 프로그래밍 언어를 학습하는 과목이다. 수업은 컴퓨터의 기초와 Java 언어를 공부한 학생을 대상으로 하며, Unix의 기초와 사용 방법과 Java AWT/network, C/C++의 주요 사항, 윈도우 프로그램의 기초를 학습한다.전선 / 대학원
소음진동 데이터의 측정과 분석기법을 이해하기 위하여, 주로 랜덤데이타 분류, 코릴레이션 함수, 스펙트럼 밀도함수, 통계적 오차, 시스템 응답함수, 디지털 데이터 획득기법, FFT 구현 및 소음진동문제의 응용예들을 다룬다.전선 / 대학원
비선형 제어시스템의 안정도 분석에 대한 Lyapunov 안정도와 Operator-theoretic을 이용한 접근방식을 다룬다. 또한, 위상평면 방법론과 같은 함수적 방법에 대해 서술한 고전적 방법론과 Lyapunov direct/indirect method, Popov/circle criteria, singular perturbation technique와 궤환 선형화 이론, 강인 H 제어, 강인 Lyapunov redesign, sliding mode control과 같은 현대적 방법을 더불어 다룬다.전선 / 학사
프로그램 안에서 데이터를 효율적으로 저장하고 접근하도록 자료구조의 다양한 개념을 소개한다. 특히 같은 목적을 위해 작성된 코드안에서 사용 가능한 여러 가지 자료구조들 중에서 어떤 자료 구조가 어떤 상황에서 더 유리한 지를 이해하고, 주어진 응용에 적합한 자료구조를 선택하고 새로운 자료구조를 디자인 할 수 있는 감각을 기른다. 이를 위해 수학적인 분석과 프로그래밍 실습을 통한 다양한 자료구조의 평가를 수행한다.전선 / 학사
3차원에서의 응력과 변형률의 성질에 대해 살펴본다. 모멘트에 의한 구조물의 휨 변형과 그에 따른 변형율과 응력을 유도하고, 전단력에 의한 두께방향의 전단응력을 살펴본다. 구조물의 좌굴현상을 이해하고, 좌굴하중과 좌굴모드를 계산하기 위한 지배방정식을 유도한다. 또한 구조물의 안정성에 대한 기본 이론을 소개하고 에너지 방법에 기초한 다양한 구조해석방법에 대해 논의한다.전선 / 학사
일반적인 구조문제를 풀 수 있는 방법인 유한요소법의 기초가 되는 탄성론, 변분법(Variational Principle), 빔/플레이트 (Beam/Plate)의 정식화, 간단한 요소에 대한 유한요소해석법 등을 공부한다. 이는 대학원에서 심도있게 학습할 유한요소법, 비선형 유한요소법, 설계민감도해석(Design Sensitivity Analysis) 등의 선수과목(Prerequisite)으로 중요하며 또한 산업체에서 광범하게 사용하는 상업 코드(MSC/NASTRAN, ABAQUS, ANSYS 등) 의 이론적 배경의 이해로 적합하다.전선 / 학사
탄성체에 충격이나 동적 하중이 가해지면 응력이나 변형이 역학적 파동의 형태로 전파된다. 이런 경우, 보와 같이 간단한 구조에서조차도 정적현상에서 볼 수 없는 흥미로운 현상이 발견된다. 예를 들어, 구조에 가해지는 가진 주파수에 따라 보의 거동이 크게 달라질 수 있으며 때로는 파동이 전파되지 않기도 한다. 이 강좌에서는 탄성체에서 일어나는 파동 굴절, 반사, 회절과 같은 현상이 발생하는 미케니즘을 살펴보고 동적으로 변하는 인장, 굽힘, 비틀림 하중이 보에 가해질 때, 보 내부에서 발생하는 흥미로운 파동현상을 다룬다. 또한 역학적 파동을 공학적으로 응용하고 및 제어하는 방법도 살펴본다.전선 / 대학원
본 과목의 목표는, 자유물체도(free body diagram)를 토대로 하였던 학부과정의 동역학적 문제 접근 방식과 비교하여, 좀더 실질적인 문제를 해결할 수 있도록, 일반화 된 좌표계(generalized coordinate system)를 도입하고, 계에 작용하는 힘을 보존력과 비보존력으로 구분하여 보존력 성분에 대해서는 에너지 표현을 사용하여 체계적인 운동방정식을 도출하는데 있다. 이를 위하여, calculus of variation 의 도입과 적용 예를 다루게 되며, Hamilton 의 원리에 대하여 논의한다. 아울러, Kane의 일반화된 좌표계 설정 방법에 대하여 토의한다. 그리고, 동적 해석 대상은 질점, 질점계, 강체 및 연속체로 확장하여 적용 예를 들어본다.전선 / 대학원
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
마케팅 활동의 효과를 높이는 방향의 하나로서 데이터에 기반한 과학적인 마케팅 실행에 대한 필요성이 지속적으로 높아지고 있는데, 데이터 사이언스 및 인공 지능 분야의 핵심 요소 중의 하나인 머신 러닝 기법들이 이러한 과학적이며 효과적인 마케팅 프로그램을 실행하는데 있어 매우 유용한 도구로서 활용될 수 있을 것이다. 본 과목에서는 마케팅 의사 결정의 품질을 높이기 위해 머신러닝의 다양한 분석 기법을 효과적으로 활용하는 방법에 대해 학습하는데, 마케팅 의사 결정의 종류가 다양하고 또한 이들 종류별로 필요한 데이터와 적절한 분석 기법이 상이하므로 마케팅 의사 결정 종류별로 어떠한 데이터를 어떠한 기법을 통하여 분석할 것인지에 대한 체계를 중심으로 학습한다.전선 / 대학원
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 대학원
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전필 / 학사
본 교과목은 제어시스템을 설계하기 위한 기본원리를 제공하는 교과목이다. 전달함수를 이용한 선형계의 응답특성을 해석함으로 시스템의 동특성을 학습한다. 시스템의 안정성을 해석하기 위해서 안정성 이론으로 Routh-Hurwitz criterion, Root Locus 해석법, Bode 선도 및 Nyquist plot과 같은 주파수 응답해석 기법을 다루고, 이러한 해석기법을 이용한 제어기 설계에 관한 기본 사항을 다룬다. 시간영역에서 해석하는 상태공간 해석법을 다루게 되며, 이상과 같은 일반 선형계에 대한 제어이론을 항공기 및 인공위성에 적용, 안정성 해석 및 제어기 설계기법을 학습한다.전필 / 학사
<프로그래밍방법론>은 컴퓨터 프로그래밍을 위한 기술과 컴퓨터 프로그래밍 언어를 학습하는 과목이다. 수업은 컴퓨터의 기초와 Java 언어를 공부한 학생을 대상으로 하며, Unix의 기초와 사용 방법과 Java AWT/network, C/C++의 주요 사항, 윈도우 프로그램의 기초를 학습한다.전선 / 학사
Computer Simulated Image의 도움을 받아 공간 속에서 이동하는 인간의 행동을 예측하고, 이를 통하여 공간의 규모나 배치를 결정하는 디자인을 배운다. 따라서 이 강의는 형태를 생성하는 규칙을 배우며, 또한 이용자의 행동 특성을 설계에 반영하기 위해 생성한 형태를 인간의 생활 속에서 평가하고, 나아가 디지털 프로세스를 통해 표현 기술을 개발한다.전선 / 학사
학생들은 산업공학의 경영과학 또는 OR에서 최적화 모형들을 접하게 되지만, 문제의 구조, 해법의 원리를 함께 습득하기 때문에, 보다 다양한 현실문제를 해결하는 능력을 배양하기는 부족한 실정이다. 본 과목에서는 기존의 상업용 solver를 해법으로 사용함으로써, 주어진 문제를 모델링하고, solver를 통하여 구한 최적해를 사용하여 현실문제에 적용하는 문제해결 중심의 강의를 진행한다. 이러한 방식은 학생들로 하여금 다양한 모형을 다양한 문제에 적용하는 기회를 극대화하여 산업공학도로서의 창의적인 문제해결 능력을 배양하는데 기여하리라고 믿는다.전선 / 대학원
이 과목은 언어사용에서 나타나는 다양한 변이들, 즉 장면이나 상황에 따라 나타나는 상황적 변이나 기능적 변이를 주목하고, 이러한 변이 중에서 특히 사회적 변이와 상황적 변이, 즉 사회적 패턴을 이루는 언어변이형태와 다른 사회적 행동과의 관계를 규명하고 해석하는 것을 목표로 한다. 이 강의는 세미나의 형식으로 진행된다.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.