최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Park, Kyung Sik; Jee, Sam Ryong; Lee, Bong Eun; Hong, Kyoung Sup; Shin, Jeong Eun; Na, Soo-Young; Kwon, Joong Goo; Choi, Suck Chei; Kim, Yong Sung; Lee, Hyun Seok; Lee, Tae Hee; Kim, Kyeong Ok; Choi, Jongkyoung; Moon, Hee Seok; Kim, Yeon Soo; Park, Moo In; Park, Soo Jung; Park, Seon-Young; Hong, Sung Noh
2017 / Journal of Neurogastroenterology and Motility (JNM)
배진형, 민영실, 남윤진, 이현석, 손의동
2018 / Journal of Medicinal Food
Pharino Chum, 박승민, 심귀보
2013 / 제어.로봇.시스템학회 논문지
데이터가 존재하지 않습니다.
loading...
본 연구는 뇌전도(EEG) 신호 처리를 위한 공통 공간 패턴(CSP) 알고리즘의 병렬 모델을 제안하여 뇌-컴퓨터 인터페이스(BCI) 시스템의 성능을 향상시키는 것을 목표로 합니다. 시뮬레이션 결과, 제안된 병렬 모델은 기존 CSP 방법 대비 분류 성능을 10% 이상 향상시켰습니다.
Signal processing and machine learning for brain-machine interfaces
Brain-Computer Interface Research : A State-of-the-Art Summary 7
Biological and artificial computation : from neuroscience to technology : International Work-Conference on Artificial and Natural Neural Networks, IWANN '97, Lanzarote, Canary Islands, Spain, June 4-6, 1997 : proceedings
Parallel symbolic languages and systems : International Workshop PSLS'95, Beaune, France, October 2-4, 1995 : proceedings
Bioinformatics : high performance parallel computer architectures
Parallel computing : methods, algorithms, and applications : proceedings of the International Meeting on Parallel Computing, Verona, Italy, 28-30 September 1988
Solving irregularly structured problems in parallel : 4th International Symposium, IRREGULAR '97, Paderborn, Germany, June 12-13, 1997 : proceedings
Foundations of software technology and theoretical computer science : 17th Conference Kharagpur, India, December 18-20, 1997 : proceedings
Computing in the 90's : the First Great Lakes Computer Science Conference, Kalamazoo, Michigan, USA, October 18-20, 1989 : proceedings
Parallelism, learning, evolution : Workshop on Evolutionary Models and Strategies, Neubiberg, Germany, March 10-11, 1989 : Workshop on Parallel Processing: Logic, Organization, and Technology, WOPPLOT 89, Wildbad Kreuth, Germany, July 24-28, 1989 : proceedings
RIMS symposia on software science and engineering II : proceedings of the symposia 1983 and 1984, Kyoto, Japan
Introduction to high performance computing for scientists and engineers
Parallel computation : First International ACPC Conference, Salzburg, Austria, September 30-October 2, 1991 : proceedings
Parallel processing for artificial intelligence
Artificial neural networks : ICANN '97 : 7th International Conference, Lausanne, Switzerland, October 8-10, 1997 : proceedings
Parallel processing : CONPAR 92-VAPP V : Second Joint International Conference on Vector and Parallel Processing, Lyon, France, September 1-4, 1992 : proceedings
PARLE '89 : parallel architectures and languages Europe : proceedings
Parallel architectures and bioinspired algorithms
Euro-Par '98 parallel processing : 4th International Euro-Par Conference, Southampton, UK, September 1998 : proceedings
Parallel algorithms for VLSI computer-aided design
제어.로봇.시스템학회 논문지
Pharino Chum; 박승민; 심귀보Cognitive Neurodynamics
Cheng, M.; Lu, Z.; Wang, H.Neurocomputing
Nasihatkon, B.; Fattahi, D.; Boostani, R.Journal of Neural Engineering
Bennett J.D.,John S.E.,Grayden D.B.,Burkitt A.N.한국정보기술학회논문지
박상훈, 이다빛, 이상국IEEE transactions on bio-medical engineering
Zhao Z; Lin Y; Wang Y; Gao XSensors
Hu H.,Pu Z.,Li H.,Liu Z.,Wang P.IEEE Transactions on Neural Systems and Rehabilitation Engineering
Jiang A.,Shang J.,Liu X.,Tang Y.,Kwan H.K.,Zhu Y.IEEE Transactions on Neural Systems and Rehabilitation Engineering
Jiao Y.,Zhou T.,Yao L.,Zhou G.,Wang X.,Zhang Y.IEEE Access
Yu H.,Lu H.,Wang S.,Xia K.,Jiang Y.,Qian P.FRONTIERS IN HUMAN NEUROSCIENCE
Jiang, Jing; Wang, Chunhui; Wu, Jinghan; Qin, Wei; Xu, Minpeng; Yin, ErweiIEEE Transactions on Cognitive and Developmental Systems
Kritiprasanna Das; Ram Bilas PachoriIEEE Transactions on Neural Networks and Learning Systems
Jin J.,Xiao R.,Daly I.,Miao Y.,Wang X.,Cichocki A.IEEE Transactions on Cognitive and Developmental Systems
Das K.,Pachori R.B.IEEE/ACM Transactions on Computational Biology and Bioinformatics
Lv Z.,Qiao L.,Wang Q.,Piccialli F.Journal of Physics: Conference Series
Duan, F.; Guan, J.IEEE Journal of Biomedical and Health Informatics
Jiao Y.,Zhang Y.,Chen X.,Yin E.,Jin J.,Wang X.,Cichocki A.Biomedical Signal Processing and Control
Gubert P.H.,Costa M.H.,Silva C.D.,Trofino-Neto A.IEEE Transactions on Cybernetics
Qi F.,Wu W.,Yu Z.L.,Gu Z.,Wen Z.,Yu T.,Li Y.Journal of neural engineering
Azab AM; Ahmadi H; Mihaylova L; Arvaneh M전선 / 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
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 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.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.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
패턴 인식은 데이터가 주어졌을 때 데이터에 대한 사전 지식이나 통계적 특성을 사용하여 패턴의 특징을 찾아내고 이를 사용하여 패턴을 분류하는 것이다. 데이터의 차원은 일반적으로 매우 커서 데이터를 파악하기가 매우 어렵다. 데이타가 어떤 부류에 속하는 지에 대한 사전 지식이 있을 경우에는 패턴 분류를 하는 방법으로는 Bayes 분류기, Maximum likelihood 방법, Discriminant Analysis, 신경회로망 등이 있다. 그리고 데이터에 대한 사전지식이 없는 경우에는 clustering 하는 방법을 통하여 데이터를 분류한다. 패턴 인식은 얼굴, 지문 등의 생체인식 분야에 많이 이용되고 있으며, 또한 많이 축적된 데이터로부터 새로운 지식을 찾으려하는데 사용되고 있다. 이 과목에서는 패턴 인식에서 사용하는 여러 방법을 소개하고 그 응용에 대하여 다룬다.전선 / 대학원
컴퓨터 청각(Machine Listening; Computer Audition) 분야는 컴퓨터 비전(Computer Vision)과 더불어 인공지능에서 가장 활용 분야가 넓은 연구 분야 중 하나이다. 시리 등의 음성인식 알고리즘부터 오디오 핑거프린팅을 이용한 자동 음악검색 등 이미 많은 컴퓨터 청각 관련 서비스들이 우리 생활 깊숙이 침투해 있다. 본 교과목은 강의를 통해 인공청각지능 또는 컴퓨터 청각 시스템을 만들기 위해 사용되고 있는 최첨단 기계학습 알고리즘들의 기본 원리에 대해 알아보고, 랩 세션을 활용하여 이러한 알고리즘들을 실제로 구현해본다. 최종적으로는 기말과제를 통하여 오디오/음악/청각인지 등에 실제로 적용할 수 있는 시스템을 구축하는 것을 목표로 한다.전선 / 대학원
지난 수십 년간 발전해 온 CMOS 공정은 최신의 고성능 및 모바일 시스템을 설계하는데 중요한 역할을 수행하고 있다. 이 강의에서는 나노미터 스케일의 미세 공정에서 효율적인 디지털 시스템을 설계하기 위한 다양한 회로 설계 기법을 다루고 하드웨어 설계 과정에서 고려해야 할 신뢰성, 에너지 효율성 등의 요소를 자세히 살펴봄으로써 학생들의 디지털 시스템 설계에 대한 이해를 높인다.전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.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 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 대학원
이 강의에서는 VLSI 설계 분야의 최근 연구 동향을 소개하고, 효율적인 설계를 위한 고급 설계 기법을 다룬다. 구체적으로 디지털 회로의 잡음, 배선, 저전력 설계 등의 주제를 다루며 각 활용 영역에서 사용되는 다양한 회로 구조를 소개한다.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
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 / 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
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
이 강좌는 석·박사 학위 논문 작성 등 교육연구에 필요한 통계적 분석에 대한 개념과 이론에 대한 폭넓은 이해를 돕고, 실제 교육연구에서 통계적 기법들을 적절히 활용할 수 있도록 하기 위한 것이다. 이를 위해 교육관련 각종 연구 자료의 특성(예: 다층 자료, 유목 자료, 연속 자료 등)에 적절한 통계적 기법들에 대한 소개와 함께 관련 컴퓨터 프로그램을 활용하여 실제로 분석할 수 있도록 하기 위한 것이다. 아울러 수강생들은 관심 있는 교육관련 자료를 분석하고 그 결과를 수업시간에 보고하는 기회를 가지게 될 것이다.