최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 단기 예측 정확도 향상을 위해 유전자 알고리즘으로 역전파 신경망 구조를 최적화하는 유전자-신경망 알고리즘을 제안합니다. KOSPI 지수를 이용한 실험 결과, 제안된 모형이 기존 역전파 신경망 모형보다 예측 정확도에서 유의미한 효율성을 보였습니다.
Neural networks : proceedings
Artificial evolution : third European conference, AE '97, Nimes, France, October 22-24, 1997 : selected papers
Genetic algorithms and investment strategies
(김기현의) 딥러닝 부트캠프 : with 파이토치
Algorithms for large scale linear algebraic systems : applications in science and engineering
COMPSTAT : proceedings in computational statistics, 12th symposium held in Barcelona, Spain 1996
(R을 활용한) 전산통계개론 : 통계적 모의 실험과 추정 알고리즘
Simulated evolution and learning : Second Asia-Pacific Conference on Simulated Evolution and Learning, SEAL '98, Canberra, Australia, November 24-27, 1998 : selected papers
Parallel problem solving from nature-- PPSN III : International Conference on Evolutionary Computation, the Third Conference on Parallel Problem Solving from Nature, Jerusalem, Israel, October 9-14, 1994 : proceedings
투자자 정보, 기술적 분석 및 유전자 알고리듬(GA)에 기반한 국내 주식 포트폴리오 최적화에 관한 연구
From natural to artifical neural computation : International Workshop on Artificial Neural Networks, Malaga-Torremolinos, Spain, June 7-9, 1995 : proceedings
Nature of computation and communication : International Conference, ICTCC 2014, Ho Chi Minh City, Vietnam, November 24-25, 2014, Revised selected papers
Genetic algorithms in optimisation, simulation, and modelling
Parallel problem solving from nature : 1st workshop, PPSN I, Dortmund, FRG, October 1-3, 1990 : proceedings
Natural computing in computational finance
Forecasting financial markets : exchange rates, interest rates and asset management
Artificial neural networks : ICANN '97 : 7th International Conference, Lausanne, Switzerland, October 8-10, 1997 : proceedings
Success in evolutionary computation
The roots of backpropagation : from ordered derivatives to neural networks and political forecasting
Second-order methods for neural networks : fast and reliable training methods for multi-layer perceptrons
Technological Forecasting and Social Change
Tian Y.,Bai L.,Wei L.,Zheng K.,Zhou X.台州学院学报 / Journal of Tanzhou University
郜佳蕾; 吴迪; 郜佳慧; Gao Jialei; Wu Di; Gao JiahuiComplexity
Zhang J.,Qu S.Journal of Enterprise Information Management
Bai L.,Wei L.,Zhang Y.,Zheng K.,Zhou X.CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE
Liu, Linyu; Ahmad, Raziah; Ahmad, Suriati; Wang, XuejieCluster Computing
Supraja P.,Gayathri V.,Pitchai R.Natural Hazards
Zhu C.,Zhang J.,Liu Y.,Ma D.,Li M.,Xiang B.Applied Sciences (Switzerland)
Elias I.,de Jesús Rubio J.,Martinez D.I.,Vargas T.M.,Garcia V.,Mujica-Vargas D.,Meda-Campaña J.A.,Pacheco J.,Gutierrez G.J.,Zacarias A.대한기계학회논문집 A
김성철, 이종수Engineering Applications of Artificial Intelligence
Shi H.,Liu J.,Wei S.,Cui S.,Wang X.International Journal of Intelligent Computing and Cybernetics
He Y.,Zeng X.,Li H.,Wei W.Computational intelligence and neuroscience
Yang B; Zhang W; Wang HEarth Science Informatics
Shuo Zhang; Mengya Pane-비즈니스연구
안현철, 이형용Journal of King Saud University - Computer and Information Sciences
Kassaymeh S.,Abdullah S.,Al-Betar M.A.,Alweshah M.한국컴퓨터정보학회논문지
김경재Neural Computing and Applications
Pan L.,Feng X.,Sang F.,Li L.,Leng M.,Chen X.Journal of Intelligent and Fuzzy Systems
Marcek D.IEEE Access
Jiang Q.,Huang R.,Huang Y.,Chen S.,He Y.,Lan L.,Liu C.JOURNAL OF ENGINEERED FIBERS AND FABRICS
Xiao, Qi; Wang, Rui; Zhang, Shujie; Li, Danyang; Sun, Hongyu; Wang, Limin전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 한다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.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 / 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
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
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
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
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.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 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 / 학사
심층신경망은 현대의 인공지능 혁신의 중심이며 공학, 과학, 그리고 응용수학 전반에 폭 넓게 활용되고 있다. 이 과목은 심층신경망의 수학적 기반이론을 배운다. 최적화의 기초, stochastic gradient descent의 수렴 정리, 재생핵 힐베르트 공간, multilayer perceptron, 자동 미분법, 콘볼류션 신경망, 잔차 네트워크, regularization, 데이터 증강, universal approximation theorem, 생성모델을 다룬다.전선 / 대학원
본 강좌에서는 계통 운영과 계획, 시장 연계, 성능평가와 신뢰도 평가 등을 위한 전력계통 분석기법을 소개한다. 전력 계통 예제를 통하여 convex optimization, 동적 최적화, 최적 제어 등에 대한 주요 알고리즘을 소개한다. 본 강의에서는 convex optimization에 대한 interior-point methods, decision theoretic planning, Markov decision processes, 선형 계획법, 동적 계획법, 최적 제어 기법과 비선형 최적화에 대한 최적화 조건과 같은 주제들을 다룬다.전선 / 대학원
본 강의는 정치외교학에서 양적 방법론의 기본이 되는 회귀분석 및 인과추론의 핵심을 전달하는 것을 목표로 한다. 우선 선형회귀 모형의 파라미터들을 최소자승법을 통해 추정하는 법을 배우고, 그 추정이 어떤 가정에 기반해 있는지, 가정들이 위배되는 경우 어떤 일이 일어나는지를 배운다. 그와 동시에 잠재적 결과 프레임워크(potential outcome framework), 또는 루빈 인과모형을 이해한다. 최종적으로 무작위대조연구, 회귀불연속설계이나 매칭, 이중차분법 등을 통해 실험연구 및 관찰연구에서 인과효과를 추론하는 법을 배운다. 본 강의는 통계학의 기본 개념(유의성 검정, 회귀분석, 통계적 추론 등)을 전제로 하며, 통계 소프트웨어 R을 이용하여 자료수집, 전처리, 분석, 시각화 및 문서 작성하는 실습도 포함한다. 수강생들은 한 학기 동안 소논문을 하나 작성하여 평가받게 된다.전선 / 대학원
한 개체로부터 다른 실험조건하에서나 여러 다른 관측시간에 반복적으로 얻어진 자료를 분석하기위한 통계기법을 다룬다. 연속형의 반복측정자료를 분석하기 위해 다변량정규분포의 가정을 필요로 하는 고전적인 다변량모형을 소개하고 최근에 널리 사용되고 있는 혼합모형을 다룬다. 이산형의 반복측정자료 분석을 위해서는 가중최소제곱법에 근거한 모형과 랜덤화 모형을 다루고 일반화선형모형을 확장한 일반화추정방정식(GEE)모형을 다룬다.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.전필 / 학사
기본적으로 선형회귀모형을 주어진 자료에 적합시키는 방법을 소개하며, 모형모수에 대한 추론도 다룬다. 이 과목에서 다루는 주제를 나열하면, 단순선형회귀, 다중선형회귀, 모형적합진단, 가중선형회귀, 변수변환, 회귀진단, 레버리지 및 영향점 탐지, 범주형변수를 위한 회귀분석기법, 다중공선성, 변수선택 및 모형선택, 비선형회귀, 일반화선형모형, 인공신경망 등이다.전선 / 학사
“공간정보분석1: 통계모형”의 심화과정으로 해석모형과 달리 예측모형에 초점을 둔다. 공간 패턴의 학습과 예측에 접목할 수 있는 머신러닝과 인공지능의 주요 이론과 알고리즘을 소개하며 R/Python 코딩과 사례연구를 통해 실천적 공간데이터 사이언스의 기초를 제공한다. 이 강의는 머신러닝의 학습이론, 감독학습, 무감독학습, 신경망, 앙상블 학습을 주 내용으로 하며 공간 헤도닉 모형, 공간 클러스터와 아웃라이어 패턴, 가우시언 프로세스와 공간 크리깅 내삽, 공간의사결정 등 지리학적 활용을 연습한다.전선 / 대학원
한정된 자료들 사이의 공간적 상호관계를 분석하고 이를 바탕으로 임의의 위치에서 원하는 자료값을 예측하는 여러 크리깅 기법을 공부한다. 주어진 값과 그 분포를 항상 보전하는 조건부 시뮬레이션과 불확실성을 줄이기 위해 이용가능한 자료를 통합하여 사용하는 최적화 기법을 공부한다.전선 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.