최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
Approximate Kalman filtering
Computer vision in the infrared spectrum : challenges and approaches
Introduction to random signals and applied Kalman filtering : with MATLAB exercises
State estimation for robotics
Predicting vehicle trajectory
Applications of Machine Learning
Kalman filtering techniques for radar tracking
Structure from motion using the extended Kalman filter
RF imperfections in high-rate wireless systems : impact and digital compensation
상황인지 스마트카를 위한 다중센서 플랫폼 기술개발.
Mobile robots : navigation, control and remote sensing
Filtering, control, and fault detection with randomly occurring incomplete information
Robust Kalman filtering for signals and systems with large uncertainties
(스마트폰과 웹의 혁명,) 증강 현실의 모든 것
Fundamentals of Kalman filtering : a practical approach
Semiparametric theory and missing data
Fault tolerant computer architecture
Signal processing methods for audio, images and telecommunications
Adaptive filtering and change detection
Financial forecasting for business and economics
International Journal of Multimedia and Ubiquitous Engineering
Jung Jae Jo; Young Chul KimINTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
Heejin Lee; Youngwan Cho디지털콘텐츠학회논문지
김태호, 서동혁, 윤신숙, 류근호한국산업정보학회논문지
홍민성; 목남희International Journal of Fuzzy Logic and Intelligent Systems
Cho, Y.; Lee, H.IEEE ACCESS
Hu, Fengjun; Wu, GangJournal of Aircraft
Grauer, J.A.Journal of Aircraft
Jared A. GrauerIEEE Signal Processing Letters
Chernoguz N.IEEE Transactions on Aerospace and Electronic Systems
Das N.,Bhattacharya R.International Journal of Hybrid Information Technology
Junling Li; Ming Zhao; Yun Li; Gang Hao; Hao JinIEEE Control Systems Letters
Zhong Y.,Tang J.,Yang N.,Shi D.,Shi L.IEEE Transactions on Instrumentation and Measurement
Ahn, S.; Han, D.Sensors
Wei Q.,Zha F.,He H.,Li B.한국통신학회논문지
이상진, 박지웅, 고영배한국정보기술학회논문지
정진기IRBM (1959-0318)
Ramoly, N.; Bouzeghoub, A.; Finance, B.Precision Engineering
Yin F.,Wang L.,Tian W.,Zhang X.IEEE Transactions on Automatic Control
Wang X.,Yaz E.E.IEEE Sensors Journal
Xue L.,Yang B.,Wang X.,Shan B.,Gao J.,Chang H.,Yao Y.전선 / 대학원
이 강의는 스마트 시티 계획과정 및 도시에서 발생하는 문제와 현상을 이해하기 위해 정량화할 수 있는 데이터를 수집하고 통계적 또는 수학적 기법을 통하여 문제의 원인을 체계적이며 논리적으로 분석하고 탐구하는 방법을 훈련하는 것을 목표로 한다. 특히, 학생들은 가설 설정 및 검증법을 선정하고, 다양한 종류의 데이터를 수집 및 코딩하며(e.g. 설문, 관찰, 샘플링 등), 기술 및 추론 통계(e.g, 회귀, 공간회귀, 머신러닝 등) 방법론을 학습하여 실제 데이터를 활용하여 연구 문제 및 가설에 적합한 계량적 분석 기법을 선택하여 도시 연구를 위한 논문을 작성하는 능력을 키울 수 있다. 또한, 이를 기반으로 기 출판된 양적 논문을 해석하고 이해하여 올바른 지식 소비자로서의 소양을 갖추는 것을 목표로 한다.전선 / 대학원
이 강의는 스마트 시티 계획과정 및 도시에서 발생하는 문제와 현상을 이해하기 위해 정량화할 수 있는 데이터를 수집하고 통계적 또는 수학적 기법을 통하여 문제의 원인을 체계적이며 논리적으로 분석하고 탐구하는 방법을 훈련하는 것을 목표로 한다. 특히, 학생들은 가설 설정 및 검증법을 선정하고, 다양한 종류의 데이터를 수집 및 코딩하며(e.g. 설문, 관찰, 샘플링 등), 기술 및 추론 통계(e.g, 회귀, 공간회귀, 머신러닝 등) 방법론을 학습하여 실제 데이터를 활용하여 연구 문제 및 가설에 적합한 계량적 분석 기법을 선택하여 도시 연구를 위한 논문을 작성하는 능력을 키울 수 있다. 또한, 이를 기반으로 기 출판된 양적 논문을 해석하고 이해하여 올바른 지식 소비자로서의 소양을 갖추는 것을 목표로 한다.전선 / 대학원
건축과 도시환경을 설계, 시공, 운영하는 과정은 항상 인간 활동을 중심으로 수행되어왔지만, 인간 활동에 관한 실시간의 정량적 데이터를 수집 및 분석하는 데에 기술적 한계가 있었으며, 이로 인해 건축과 도시공간의 기능과 편의를 향상시키는데 많은 어려움이 있음. 본 강의에서는 건축환경에서 실시간으로 사람과 환경의 데이터를 자동으로 수집, 분석, 활용하는 ICT기반 센싱 및 데이터 처리기술에 대해서 학습하고, 스마트홈, 스마트빌딩, 스마트건설의 계획과 각 요소기술의 적용방안에 대해서 논의함. 본 강의를 성공적으로 이수함으로써 학생들이 다음과 같은 역량을 계발하는 것이 가능함. (1) 건축과 도시환경의 설계, 시공, 운영 과정에서 데이터 수집 및 활용 현황, 그리고 내재되어있는 문제점에 대해서 이해하고 논의할 수 있음 (2) 영상, 소리, Lidar 등 센서를 활용한 데이터 수집 기법와 인공신경망 등 기계학습을 활용하여 필요한 정보를 추출하는 과정에 대해서 이해하고, 프로그래밍을 통해 직접 구현할 수 있음 (3) 스마트홈, 스마트빌딩, 스마트건설을 구성원리를 이해하고, 계획에 요구되는 요소기술의 적용에 있어 장/단점과 기회/장벽에 대해서 설명할 수 있음전선 / 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
스마트시스템은 감지, 구동, 제어 기능을 갖추어, 주어진 상황을 지각·분석하고 이를 토대로 예측적·적응적 의사결정 및 지능적 행동을 수행한다. 본 과목은 인간 작업자와 스마트시스템 간의 상호작용을 다룬 인간공학 분야의 최신 연구들을 다루는 과목으로, 적응형 인터페이스, 인간-자동화 상호작용, 기계학습 기반 인간공학 설계, 스마트시스템 사용자경험 등의 주제에 대한 최신 연구 내용들을 학습한다.전선 / 대학원
건축과 도시환경을 설계, 시공, 운영하는 과정은 항상 인간 활동을 중심으로 수행되어왔지만, 인간 활동에 관한 실시간의 정량적 데이터를 수집 및 분석하는 데에 기술적 한계가 있었으며, 이로 인해 건축과 도시공간의 기능과 편의를 향상시키는데 많은 어려움이 있음. 본 강의에서는 건축환경에서 실시간으로 사람과 환경의 데이터를 자동으로 수집, 분석, 활용하는 ICT기반 센싱 및 데이터 처리기술에 대해서 학습하고, 스마트홈, 스마트빌딩, 스마트건설의 계획과 각 요소기술의 적용방안에 대해서 논의함. 본 강의를 성공적으로 이수함으로써 학생들이 다음과 같은 역량을 계발하는 것이 가능함. (1) 건축과 도시환경의 설계, 시공, 운영 과정에서 데이터 수집 및 활용 현황, 그리고 내재되어있는 문제점에 대해서 이해하고 논의할 수 있음 (2) 영상, 소리, Lidar 등 센서를 활용한 데이터 수집 기법와 인공신경망 등 기계학습을 활용하여 필요한 정보를 추출하는 과정에 대해서 이해하고, 프로그래밍을 통해 직접 구현할 수 있음 (3) 스마트홈, 스마트빌딩, 스마트건설을 구성원리를 이해하고, 계획에 요구되는 요소기술의 적용에 있어 장/단점과 기회/장벽에 대해서 설명할 수 있음전선 / 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
교정영역에서 전통적인 진단과 치료방식은 x-ray와 사진을 이용한 2차원적인 방식에 의존하여 왔다. 그러나 과학기술의 발달로 인하여 진단과 치료계획시 3차원 CT, 3차원 사진, digital technology를 이용한 새로운 paradigm으로 변화하고 있다. 이에 따라 Digital Orthodontics이라는 개념을 이해하는 것이 필수적인 과정이 되었다. 교정계획 수립시 치아이동을 가상 Set-Up하여 simulation 하여봄으로써 실제 가능한 치아이동의 종류와 정도를 파악하여야 할 것이다. 따라서 본 과정은 3차원 digital virtual set-up 을 이용하여 실제 환자의 진단과 치료에 적용하는 법을 이해시키는데 목적이 있다. 이 과정은 아래와 같이 구성되어 있다. 1. 교정 진단과 치료계획시 3차원 CT, 사진, digital technology를 이용한 새로운 paradigm의 변화와 Digital Orthodontics이라는 개념을 이해한다. 2. Virtual set-up 의 개념 이해 3. 교정계획 수립시 치아이동을 가상 Set-Up하여 simulation 한다. 4. 실제 가능한 치아이동의 종류와 정도를 파악한다.전선 / 학사
이 교과목은 다양한 학습 데이터를 분석하여 학습자의 흥미와 필요를 고려한 맞춤형 학습을 설계하는 방법을 소개한다. 인공지능을 활용하여 학습활동을 자동으로 분석하고 학습결과를 예측하며, 그 결과를 바탕으로 교수자와 인공지능이 적응적으로 학습을 지원하는 방안을 탐색한다. 학습 상황과 학습자의 특성에 따라 최적의 학습경험을 어떻게 설계하고 지원할 수 있는지 논의한다. 그리고 디지털 테크놀로지를 활용하여 공교육에서 학습 데이터를 수집, 분석, 활용하는 과정에서 발생하는 사회적 문제를 비판적으로 검토하고 창의적인 해결방안을 모색한다.전선 / 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.전필 / 학사
본 강의는 스마트 농업(Smart Agriculture) 전문가로서의 역량을 강화하기 위해, 농업 현장에서 생성되는 센서 데이터, 원격탐사 자료, 작물생육 모니터링 정보 등을 통계적으로 분석하고 의사결정에 활용할 수 있는 능력을 배양하는 것을 목표로 한다. 이를 위해 통계의 기본개념과 확률이론을 바탕으로 추정과 가설검정, F-분포와 분산분석, 처리 간 차이 비교방법, 회귀와 상관, 빈도분석 등을 다루며, 실험설계의 기본원리와 방법을 학습하여 통계분석 결과를 정확히 이해하고 응용할 수 있는 실무 역량을 기른다. 이러한 과정을 통해 학생들은 데이터 기반의 문제 해결 능력과 분석적 사고를 바탕으로 스마트 농업 분야에서 전문성을 발휘할 수 있는 기반을 마련한다.전선 / 대학원
인간과 같은 구조와 원리로 인간지능을 재현해 내는 인공지능 기술의 발달로 그간 자동화와 전산화의 영역의 밖이었던 제조 영역 곳곳에 혁신을 가져올 것으로 기대되고 있다. 본 과목은 제품의 제조에 있어 인공지능 기술을 어떻게 활용할 수 있는지 그 근본 원리와 가능성 그리고 한계에 대해 이해하는 것을 목표로 한다. 이를 위해 제품 검사, 예측과 유지보수 뿐만이 아니라, 제품 설계, 재료 발견 및 설계, 지능기반 제조기계를 포함하는 제조 흐름마다의 현장 수요와 문제점, 그리고 그 문제를 해결할 수 있는 구체적 기술을 이론과 실제 제조 공정의 사례와 데이터로 익히게 된다.전선 / 대학원
ICT, 빅데이터 등 디지털 혁신 기술의 도입은 농식품산업의 디지털 전환(digital transformation)을 가속화하고 있다. 스마트팜, 푸드테크, 그린바이오 등 농식품산업 관련 신흥기술 이슈를 분석하기 위해서는 기존 정태 및 동태분석법을 넘어 정형 및 비정형 대용량 데이터 분석에 적합한 새로운 방법론을 학습할 필요가 있다. 이에 본 과목은 데이터마이닝, 기계학습, 프로세스 알고리즘 등을 포함한 최신 데이터사이언스 기법을 학습한다. 강의는 다음과 같이 구성된다. 첫째, 디지털 농식품산업의 동태적 변화를 실증적으로 파악하기 위해 선형 및 비선형 시계열 모형을 학습한다. 둘째, 베이지언(Bayesian) 통계에 기반한 칼만 필터링(Kalman filterting) 및 마르코프 체인 몬테카를로(Markov Chain Monte Carlo, MCMC) 시뮬레이션 등 최신 예측 방법론을 학습한다. 셋째, 빅데이터 마이닝, 머신러닝(machine learning), 인공신경망(artificial neural network) 관련 기초 이론을 학습하고 디지털 농식품산업 분야 경제 이슈에 적용한다.전선 / 대학원
최근 오감을 이용하는 것을 전제로 하여 AI 기술이 적용된 스마트 스피커, TV, 모바일 기기, AR/VR, 등 다양한 기기를 교실 환경에서 이용하기 위해서는 개별 과목과 콘텐츠를 기기와 기술에 맞게 재설계하는 것이 필요하게 된다. 이를 위하여 개별 과목의 교육 콘텐츠를 분류하는 기준을 정의하고 여러 콘텐츠를 디지털화하는 방법을 고안해야 할 것이다. 본 과목은 특히 인문 사회 과목의 전공자들이 각각 담당하는 과목과 내용에 맞는 교수 방법론과 콘텐츠 설계 방법을 정의하도록 지도하며 이를 바탕으로 일반적인 교육 콘텐츠 설계 방법을 도출해 내는 것을 목적으로 한다.교양 / 학사
AI는 현재 기술과 사회를 모두 이끌어가는 핵심 키워드이며, 지난 10년 이상 기술적 잠재력을 어필하는 시기에서, 일상에 실질적으로 유용한 서비스를 제공하고 시장성을 확보하는 방향으로 전진해야하는 시대적 요구에 직면에 있음. 본 교과목은 학생들의 다학제적 협업 및 교수자와의 상호 토론을 통해 현대인의 일상에 AI가 유용하게 사용될 수 있는 시나리오를 탐색하고, 데이터 수집, 윤리적 이슈, 사회적 규제 등을 종합적으로 고려하여 상기 시나리오를 구체화해보는 경험을 제공함. 본 교과목은 디지털 대전환 시대에 경쟁력 있는 인재 양성을 위해 AI와 일상의 간격을 효과적으로 해소하는 실용적 사고력을 배양하는 것을 목표로 함.전선 / 대학원
불완전한 정보로 인한 시장문제와 소비자 문제를 바탕으로 소비자들의 정보탐색활동을 평가하고, 매체로부터의 정보를 분석함으로써 바람직한 정보정책의 틀을 제시한다.전선 / 학사
학습시스템은 환경과의 상호작용을 통한 경험으로부터 지식을 습득하여 스스로 성능을 향상시키는 시스템이다. 기계학습은 학습시스템의 핵심인 경험으로부터 획득한 데이터로부터 모델을 자동으로 생성하고 이를 기반으로 미래 를 예측하는 계산구조와 알고리즘을 연구하는 컴퓨터공학의 한 분야이다. 기계학습은 인터넷 정보검색, 텍스트마이닝, 컴퓨터비젼, 로보틱스, 게임 뿐만 아니라 생명과학과 비즈니스 데이터마이닝 등에 성공적으로 활용되었다. 최근 들어 모바일폰, 스마트 TV등에서 사용자 모델링과 개인화 추천 서비스에 사용되고 있으며 컴퓨터구조, 컴파일러, 운영체제, 통신망 시스템의 모델링 및 성능 예측 등 컴퓨터공학의 다양한 분야에서 널리 활용되고 있다. 본 교과목은 감독학습, 무감독 학습, 강화학습 등 기계학습의 기본 개념과 원리, 여러가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반를 제공하는 것을 목적으로 한다. 패턴분류, 확률관계모델링, 순차적 의사결정과정에 대한 구체적인 학습 구조와 알고리즘을 살펴보며 실제 응용문제 해결을 위한 미니 프로젝트를 통하여 그 활용 방법을 습득한다.전선 / 대학원
스마트시티는 복잡 인프라 시스템의 확률 기반 모형의 구축과, 계측 데이터에 기반한 학습/업데이팅, 그리고 상황별 실시간 추론에 기반한 의사결정을 필수적으로 요구한다. 본 교과목은 이러한 정보공학 기반 인프라 시스템 관리의 기반이 되는 다음의 베이지안 이론과 방법론을 소개한다: (1) 데이터 기반 통계적 학습: 마르코프 체인 몬테 카를로, (2) 인과관계 모형 구축, 학습 및 추론: 베이지안 네트워크, (3) 커널 기반 학습 및 추론: 가우시안 프로세스, (4) 시그널 프로세싱: 베이지안 필터. 각 방법론을 컴퓨터 프로그래밍을 통해 직접 실습하고, 재난재해 레질리언스, 안전, 생애주기 관리 등 다양한 인프라 관련 문제에 적용함으로써 스마트시티를 구현하는 데에 필요한 인프라 정보공학 핵심역량을 함양하는 것을 목표로 한다.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 / 대학원
본 교과목은 스마트농업으로 얻은 수확물의 질적 평가를 위해서 필요한 유효성분 분석 기술을 습득하는 것을 목적으로 한다. 이를 위해 고성능액체크로마토그래피 및 기체크로마토그래피와 다양한 분석기를 결합하여 농산물의 유효성분을 분리하고 정성 및 정량하는데 필요한 이론 및 방법론적 지식을 강의한다.