최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Abouelmaaty H.G.,Fukushi M.,Abouelmaaty A.G.,Ghazy N.A.,Suzuki T.
2019 / Experimental and Applied Acarology
강현욱, 김용수
2018 / KSCE Journal of Civil Engineering
데이터가 존재하지 않습니다.
loading...
본 연구는 해운경기 예측에 혼합주기모형을 활용하여 기존의 장기균형관계분석에서 도출된 요인들을 단기모형에 적용하고, AR(1) 모형과의 예측력을 비교하였다. 그 결과, 혼합주기모형이 AR(1) 모형보다 향상된 예측력을 보였으며, 고차원 혼합주기모형이 해운경기 변동 예측에 유용함을 확인하였다. 이는 다변수 시계열 자료 분석에 고차주기 정보를 포함할 경우 단기 해운경기 분석 모형의 예측력이 향상될 수 있음을 시사한다.
혼합주기자료 VAR모형을 이용한 경제성장률 예측
혼합주기 자료를 이용한 전력수요 예측 모형 구축
대규모 혼합주기 자료를 이용한 단기 경제전망 모형 구축 =
Analysis of repeated measures data
Comparative performance of U.S. econometric models
Time series models : in econometrics, finance and other fields
Practical business forecasting
Predictive econometrics and big data
Computational optimization and applications in engineering and industry
A global ocean general circulation model for climate variability studies
Causal and stochastic elements in business cycles : an essential extension of macroeconomics leading to improved predictions of data
Financial forecasting, analysis, and modelling : a framework for long-term forecasting
High performance computing in the geosciences
Marine forecasting : predictability and modelling in ocean hydrodynamics : proceedings
해운ㆍ항만 정책의 연산일반균형 모형 연구 =
Structural equation modeling : a second course
베이지안 계량경제학 =
광고효과와 매체계획 : 계량적 관점 =
한국항만경제학회지
김현석Ocean Engineering
Simão M.L.,Sudati Sagrilo L.V.,Videiro P.M.무역학회지
고병욱Maritime Policy & Management
Nielsen, P.; Jiang, L. P.; Rytter, N. G. M.; Chen, G.경제학연구
김윤영, 박준용Complexity
Xie J.,Zhang H.,Liu L.,Li M.,Su Y.국제상학
배성훈, 박근식Coastal Engineering
Huang W.,Dong S.Ocean Engineering
Li X.,Cao J.,Guo J.,Liu C.,Wang W.,Jia Z.,Su T.해운물류연구
추봉성; 박홍균Maritime Economics & Logistics
Hongyue Guo; Haibo Kuang; Cong Sui; Lidong Wang해운물류연구
추봉성, 박홍균Procedia Computer Science
Vourlioti, P.; Mamouka, T.; Banti, M.; Paraskevas, C.; Kotsopoulos, S.; Alexandridis, V.; Kalantzi, G.Canadian Journal of Fisheries and Aquatic Sciences
Yin Y.,Sameoto J.A.,Keith D.M.,Flemming J.M.APPLIED SOFT COMPUTING
Li, Ming-Wei; Xu, Dong-Yang; Geng, Jing; Hong, Wei-ChiangApplied Soft Computing Journal
Jiang P.,Liu Z.경제연구
황영진金融工學硏究
임상섭, 이기환Ocean Engineering
Bai X.,Jiang H.,Li C.,Huang L.Journal of Operational Oceanography
Santha Akella; Matthew Martin; James Cummings; Avichal Mehra; Eric P. Chassignet; Guillaume Samson; Paul A. Sandery; Hendrik L. Tolman; Isabelle Mirouze; H. Ritchie; C.R.S. Chambers; Patrick Laloyaux; M. Balmeseda; Max Suarez; Ricardo Todling; D. J. Lea; Gregory C. Smith; P.A.E.M. Jansen; Gary B. Brassington; Yann Drillet전선 / 대학원
일변량 시계열자료의 분석을 위해 시간영역에서의 분석모형인 ARIMA 모형의 설정, 적합, 진단 및 예측 방법과 진동수 영역에서의 Spectral theory 이론을 학습하고 실제자료의 분석을 통해 모형을 수립하는 방법을 배운다.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
본 교과목은 단순히 기존의 가속기를 활용하는 수준을 넘어, 차세대 AI 반도체 분야의 창업 및 핵심 개발에 필요한 맞춤형 AI 추론 엔진 개발 능력을 배양하는 것을 목표로 한다. 이를 위해 최첨단 설계 방법론인‘알고리즘-소프트웨어-하드웨어 통합 설계(Co-design)'에 대한 깊이 있는 이론과 실전 경험을 제공한다. 수강생들은 GPU와 같은 범용 하드웨어의 한계를 이해하고, 특정 LLM 알고리즘에 최적화된 하드웨어를 직접 설계함으로써 전력, 비용, 속도 측면에서 압도적인 경쟁력을 갖춘 엣지 AI 솔루션을 구현하는 방법을 학습한다. 특히, 최신 경량화 기술인 저비트 양자화(Low-bit Quantization) 기법을 알고리즘 단계에서 적용하고, 이를 C++ 기반의 고수준 합성(High-Level Synthesis, HLS)을 통해 FPGA 상에 하드웨어 로직으로 구현하는 전 과정을 실습한다. 최종적으로는 SoC(System on Chip) 환경에서 프로세서(PS)와 프로그래머블 로직(PL)을 연동하여 완전한 LLM 추론 가속 시스템을 구축하는 프로젝트를 통해, 아이디어를 실제 하드웨어 프로토타입으로 구현하는 역량을 완성한다.전필 / 대학원
거시경제학연구 1은 경제학 대학원 과정 1년 차 학생들을 대상으로 설계된 거시경제학 코어 시퀀스의 첫 번째 과목이다. 현대 거시경제학 연구를 위한 입문 과목으로서 기초 이론과 방법을 소개하고, 나아가 주요 거시경제 현상을 분석하기 위한 기본적인 모형에 대해 강의한다.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
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 / 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
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
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 / 대학원
본 과목에서는 단일 지역 및 다지역 연산일반균형모형의 구조를 이해하고, 수업 시간에 실제로 모형을 개발하고 모형의 정책 시뮬레이션을 실시한다. 또한 이와 관련된 컴퓨터 소프트웨어 및 프로그래밍을 익히며, 교통계획, 자원 관리, 가격 정책, 지역 투자 정책 등의 계량 분석을 위한 연산일반균형모형의 확대 및 적용 등에 대해서도 논의한다.전선 / 대학원
이 과목에서는 해양공학분야에 새로이 제기되는 중요 기술 문제중 하나를 택하여 해당 기술의 역사적 전개, 내용, 세계의 수준과 우리의 위치 등을 전반적으로 소개한 다음, 기술의 핵심 내용에 대한 관련논문들을 세미나 형식으로 분석하고 토의한다.전선 / 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 / 학사
시계열자료의 분석법 및 여러가지 종류의 시계열자료 분석용 패키지의 사용법에 대해 공부한다. 주로 다루어지는 내용은 ARIMA모형, 계절 ARIMA 모형, 이분산성 (GARCH) 모형, 이산형 시계열 모형 등이며, 이들 모형에서 모수 추론 방법론 및 변화점 탐지 이론 등을 다룬다.전선 / 대학원
비선형조종성 운동방정식을 유도하고, 이 방정식의 계수들에 관한 이론적, 실험적 해석방법을 다룬다. 또 이 방정식의 해로부터 선박의 안정성을 판정하고 선형과 안정성과의 관계를 조사한다. 제한수로나 유한수심과 같이 특수한 해역에서의 배의 조종성방정식을 유도하고, 방정식의 해를 사용하여 배의 항적을 추정한다.전선 / 대학원
시계열분석은 경제학 및 인접 학문분야의 실증분석에 매우 유용한 방법론이다. 본 강좌에서는 대학원 과정 학생들이나 학부의 필요고급과목(계량경제학과 수리통계학 또는 경제통계학연구)을 이수한 학생들을 대상으로 최근 30여년동안 개발된 시계열분석기법을 학습한다. 전체 강좌의 내용은 크게 2부분으로 구성되어 있다. 전체 강좌의 3/4정도는 기본 내용인 시계열분석기초(시계열변수의 주요성격, AR, MA, ARMA 등)와 VAR, GMM, Unit Root and Cointeration, VECM, ARCH, Switching Regime, Structural Change, Long Memory, Spectral Analysis, Bayesian Methods 등으로 이루어져 있으며, 학기의 나머지 1/4은 Dynamic Stochastic General Equilibrium Model을 중심으로 경제학의 구조모형(structural model)을 실증분석하는데 적용되는 분석기법을 배운다. 본 강좌를 이수하는 동안 학생들은 한 가지 정도의 프로그래밍 소프트웨어를 배우고 익숙하게 사용할 수 있어야 한다.전선 / 대학원
본 강의에서는 선박, 잠수체, 고속선, 무인선 등의 다양한 해양운송체(Marine Vehicles)의 동역학과 그에 대한 제어에 대한 심화 이론들과 시뮬레이션 방법을 학습한다. 해양운송체에 대한 일반적인 유체 동역학적 모델링 방법에 대해 살펴보고, 선박 조종에 대한 전통적인 운동 방정식 모델과 추진기 모델에 대해 학습한다. 이를 기반으로 해양운송체 운동방정식에 대한 안정성 분석법, 제한수역 및 천수역에서의 유체력 모델, 횡동요 연성 효과 등에 대한 고급 조종 이론들을 추가적으로 학습한다. 강의 후반부에서는 바다에서 무인수상선과 무인수중체가 운용되기 위해 필요한 파도, 바람, 조류 등의 다양한 해양환경하중에 대한 심화 이론과 평가 방법, 수치 모델에 대해 학습한다. 또한 무인해양운송체가 위치유지 및 경로추적, 장애물 회피 등의 임무를 수행하기 위해 필요한 제어 이론 및 추력분배 알고리즘에 대해 학습한다.전선 / 대학원
도시·지역경제학의 이론과 방법을 심화시켜 탐구하는 과목이다. 단핵도심모형, 다핵도심모형을 비롯한 도시공간구조, 도시노동시장, 토지·주택시장, 지방정부론(지방정부의 의사결정, 재정, 지방세제), 토지이용규제와 성장관리, 도시의 삶의 질과 환경, 지역경제의 구성, 지역과학방법론(산업연관분석, 사회계정행렬, 연산가능일반균형모형), 지역경제의 생산성과 성장에 관한 논의를 다룬다. 도시·지역경제학 연구에 필요한 통계모형과 응용도 함께 다룬다.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
이 과목에서는 여러 거시경제현상을 분석하고 이해하는 데 유용한 이론모형들을 심도 있게 공부한다. 강의 내용에는 거시경제변수들(소비, 투자, 이자율, 고용, 임금, 실업, 국민소득, 물가 등)의 결정과정, 주요 거시경제변수들 간의 상호관계, 경제의 동태적 움직임을 나타내는 경기변화 및 경제성장 등이 포함된다전선 / 대학원
경제학 기본이론, 농산물 가격론, 생산경제학, 통계학, 경제수학 등을 응용하여 농업경제 현상에 관련된 경제변수들의 관계를 추정하고 예측하는 방법을 익힌다. 주로 시계열 분석 방법을 다루며, 자기회귀모형, 이동평균모형, 벡터자기회귀모형, 단위근검정, 조건부 분산의 자기회귀, 공적분모형, 오차수정모형 등을 학습한다.