최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 논문에서는 강화학습과 RBFN을 활용하여 새로운 자이로 바이어스 추정 기법을 제안합니다. 강화학습을 통해 항법 성능 향상을 위한 격자망을 구성하고, RBFN을 사용하여 자이로 바이어스를 추정하는 함수를 구축합니다. 실험 결과, 제안하는 방법이 기존 방법들보다 우수한 항법 성능을 보이는 것을 확인했습니다.
Fully tuned radial basis function neural networks for flight control
텐서플로를 이용한 고급 딥러닝
Power management of digital circuits in deep sub-micron CMOS technologies
Fundamentals of high accuracy inertial navigation
Modern inertial technology : navigation, guidance, and control
Regularized radial basis function networks : theory and applications
Pro deep learning with TensorFlow : a mathematical approach to advanced artificial intelligence in Python
Experimental vibration analysis for civil structures : testing, sensing, monitoring, and control
Introduction to linear regression analysis
Learning motor skills : From Algorithms to Robot Experiments
Global navigation satellite systems, inertial navigation, and integration
Reasoning with uncertainty in robotics : international workshop, RUR '95, Amsterdam, The Netherlands, December 4-6, 1995 : proceedings
Navigation signal processing for GNSS software receivers
Machine learning : an algorithmic perspective
Principles of GNSS, inertial and multisensor integrated navigation systems
케라스로 구현하는 딥러닝과 강화학습 : 신경망 기초부터 CNN, RNN, GAN, 단어 임베딩, 강화학습 배우기
Machine learning-based fault diagnosis for industrial engineering systems
Recurrent neural networks for prediction : learning algorithms, architectures, and stability
A primer on radial basis functions with applications to the geosciences
Journal of Institute of Control, Robotics and Systems
Myeong-Jong Yu; Yeong-Bin SeoMeasurement Science and Technology
Cai, Q.; Yang, G.; Song, N.; Yin, H.; Liu, Y.한국항공우주학회지
김천중, 유해성, 이인섭, 오주현, 이상정Sensors
Seo Y.B.,Yu H.,Ryu K.,Lee I.,Oh J.,Kim C.,Lee S.J.,Park C.Journal of Navigation
Lv, P.; Lai, J.; Liu, J.; Nie, M.한국군사과학기술학회지
김천중, 유해성, 유기정, 박찬주, 이상정Optical Engineering
Ben, Y.; Zhang, Q.; Zang, X.; Huang, L.; Wang, G.; Li, Q.Optical Engineering
Ben, Y.; Huo, L.; Li, Q.; Zhang, Y.IEEE Transactions on Intelligent Transportation Systems
Xu X.,Sun Y.,Yao Y.,Zhang T.Optical Engineering
Wang, L.; Wang, W.; Zhang, Q.; Gao, P.제어.로봇.시스템학회 논문지
손재훈; 오상헌; 황동환한국전자통신학회 논문지
차재혁, 박찬국, 조성윤, 조민수, 박찬주International Journal of System Assurance Engineering and Management
Li, Haiping; Zhao, Jianmin; Ni, Xianglong; Zhang, XinghuiAerospace Science and Technology
Liu C.,Dong C.,Zhou Z.,Wang Z.IEEE Transactions on Instrumentation and Measurement
Wen Z.,Yang G.,Cai Q.,Sun Y.IEEE Sensors Journal
Han H.,Wang L.,Wang M.한국전자통신학회 논문지
차재혁; 박찬국; 조성윤; 박찬주; 조민수Engineering Applications of Artificial Intelligence
Gao L.,Yang S.l.,Meng B.,Tong G.x.,Fan H.P.,Yang G.S.IEEE Sensors Journal
Liu P.,Wang B.,Li G.,Hou D.,Zhu Z.,Wang Z.Journal of Applied Geodesy
Klein, I.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 / 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 / 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
위성항법(GNSS)의 원리와 오차원인, 그리고 종류 및 그 응용에 대해 배우게 되고 위성항법실험을 통하여 보정위성항법(DGNSS) 및 광역보정위성항법(WADGNSS)을 이용한 자기위치계산법을 습득하게 된다. 또한 무결성 감시(Integrity Monitoring)기법 및 초정밀 보정위성항법(RTK)에 대해서도 다룬다. 위성항법의 단점을 극복하기 위한 관성항법(INS)과의 결합형태인 GNSS/INS에 대해서도 배운다.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 / 학사
과거와 현재 항공기 교통관제 및 항행에 이용되는 항법시스템에 대한 소개를 시작하여, 미래 항공, 우주 뿐만 아니라, 육상, 해상 및 스마트폰의 항법으로 쓰이는 항법시스템에 대하여 그 원리와 이론을 고찰하고 실험으로 증명함으로써, 아직 세상에 없는 새로운 항법시스템을 구상할 수 있는 바탕을 마련하는 것이 이 과목에서 추구하는 바이다. 그 밖에도 Dead Reckoning과 Radio Navigation 그리고 위성항법(GNSS)에 대해서도 그 원리와 실생활에의 응용 예를 다룬다. 또한 항공기/우주비행체의 항공교통(Air Traffic Control) 및 관제에 대한 소개와 공역에 대한 관제 절차를 설명하고, 관제의 핵심 장비인 레이더와 ADS-B를 소개하고, 차세대 항행시스템인 CNS/ATM에 대해서도 심도 있게 그 내용과 원리를 소개한다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 대학원
이 강의에서는 인공지능 신뢰성 문제, 즉 인공지능의 가치정렬, 적법·윤리성, 견고성을 측정·확보하는 기법과 이를 촉진하기 위한 제도의 설계 방안을 학습한다. 이를 위해 리스크의 측정·경감 기술의 이해 뿐 아니라 인문·사회과학·법적 관점을 융합한 다양한 접근을 제시한다. 구체적으로 공정한 기계학습, 설명 가능한 AI, 인간-AI 상호작용, 프라이버시 보존 데이터 분석, 자율시스템의 안전성, 인지모델의 견고성, 생성모델의 권리침해와 오남용 문제, 자율살상무기체계의 통제 등을 탐색한다.전선 / 대학원
이 강의에서는 인공지능 신뢰성 문제, 즉 인공지능의 가치정렬, 적법·윤리성, 견고성을 측정·확보하는 기법과 이를 촉진하기 위한 제도의 설계 방안을 학습한다. 이를 위해 리스크의 측정·경감 기술의 이해 뿐 아니라 인문·사회과학·법적 관점을 융합한 다양한 접근을 제시한다. 구체적으로 공정기계학습, 설명가능 AI, 인간-AI 상호작용, 프라이버시 보존 데이터 분석, 자율시스템의 안전성, 인지모델의 견고성, 생성모델의 권리침해와 오남용 문제, 자율살상무기체계의 통제 등을 탐색한다.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 / 대학원
본 교과목은 막대한 시공간적 데이터를 바탕으로 예측기법을 발전시킬 수 있는 머신 러닝 기법을 중심으로, 이에 대한 이론적 기반과 사례 연구를 계량지리학적 관점에서 이해하는 것을 목표로 한다. 통계학적 머신 러닝, 최적화, 사회 및 정보 네트워크 분석, 베이지안 모델링 등 관련된 다양한 분야에 대한 지리학 분야의 방법론과 적용 방안에 대해서 학습한다.전선 / 대학원
자기공명분광(Magnetic Resonance Spectroscopy (MRS))을 활용하여 여러 질병들의 발병기전 및 진화에 대한 기초연구를 수행할 수 있는 지식(이론과 실습)을 습득함. 이론은, 다양한 신경 정신질환과 관련이 있는 것으로 알려져 있는 myo-inositol, gamma-aminobutylic acid (GABA), glutamate 등의 측정법을 포함함. 실습은, 소프트웨어를 통해 쥐(rat)의 두뇌 스펙트럼에서 뇌 대사체들을 정량분석하는 과정을 포함함.전선 / 대학원
최근 MRI 등 영상진단장치의 획기적인 발전으로 뇌의 기능을 평가할 수 있게 되었다. 이 강좌에서는 MRI 등의 영상장치를 이용하여 뇌 기능을 연구하고자 한다. 구체적인 학습 목표는 functional imaging, perfusion imaging, diffusion imaging, diffusion-tensor imaging, spectroscopy의 원리를 이해하고 임상에서 응용하는 것이다. 아울러 현재 영상기법의 한계점을 이해함으로서 앞으로의 연구 방향을 파악한다.전선 / 대학원
구강 내에서 상실된 치아를 주변 구조물들의 정보와 이미 수립된 data base를 이용하여 삼차원 적으로 재구성하는 방법 연구. 기존의 연구 내용을 기반으로 실제 임상에서 사용가능 여부를 검증하고 더욱 진보된 방법을 찾는다. 비록 구체적 algorithm 개발은 어려울지라도 강의를 들어 기초적 지식을 습득하고 이를 기반으로 기본 연구 방향을 제시하고 실제 임상에서의 need를 제공하여 이미 이루어진 연구를 더욱 발전시킬 수 있도록 한다. 수업은 journal review club을 기본으로 외부 연자의 초빙 및 필요한 경우 report를 제출하도록 한다.전선 / 학사
측정시스템의 기본요소와 원리를 익히고 불규칙 잡음에 대한 처리방법에 대하여 공부한다. 특히 아날로그 및 디지털 출력을 제공하는 센서들과 마이크로 컨트롤러와의 인터페이스에 대하여 학습하고 아두이노 사용하여 실습을 진행한다. 관성 힘 센서인 가속도계를 비롯하여 관성 회전 센서인 다양한 자이로스코프(기계식 자이로, 광섬유 자이로, 레이져 자이로 등)의 원리를 익히고, 별센서, 지구센서, 태양센서, 지자기 센서 등의 비관성 센서들의 원리를 소개한다. 마지막으로 이를 응용한 항법시스템에 대하여 다룬다.전필 / 대학원
자료를 모형화하는 통계적 방법으로 선형모형의 중요성을 다루는 것이 이 과목의 목적이다. 이론적인 측면도 공부하지만 주로 모형선택, 추정, 모형검증과 같은 방법론을 강조한다. 다루는 모형은 단순회귀, 다중회귀, 일차분산분석, 이차 분산분석 등을 다룬다. 추론을 위해 최소제곱방법을 주로 사용하지만 이와 관련하여 우도에 기초한 방법도 다루게 된다. 선형모형을 통한 자료의 모형을 위해 R을 이용한다.전선 / 대학원
운동학습이란 무엇이며, 그것이 어떻게 구별되는가 하는 문제와 운동기술의 제어와 학습에 대한 이론적 짓기을 운동 기술을 가르치는데 응용하며, 운동기술을 보다 잘 이해하도록 한다. 운동학습의 이해를 위해 운동 수행을 관찰하고 측정한 연구 결과들을 비교 평가하는 능력을 배운다.전선 / 학사
본 강좌는 딥러닝 등 기계학습 기반 인공지능 및 관련 분야에 관심있는 수강생을 대상으로 하는 학부 교과목으로 인공지능 분야의 핵심이 되는 기계학습의 개념 및 응용을 소개하고, 주요 기계학습 알고리즘 및 모델들에 대해 학습한다. 과제 및 프로젝트를 통해 최신 기계학습 기법의 심층적 이해와 실제 구현 기회를 부여한다. 주요 내용으로는 학습이론, 선형모델 (선형회귀, 선형분류, Logistic 회귀), Support Vector Machine, 인공신경망, 순차모델, 기초 딥러닝 모델 (MLP, CNN, RNN), 앙상블 학습 등을 포함한다. 선수과목: 데이터구조 혹은 알고리즘, 선형대수, 확률변수, 프로그래밍 방법론전선 / 학사
딥 러닝의 핵심 개념, 모델 및 활용 사례를 강의한다. 강의 전반부에는 deep neural network의 정의, stochastic gradient descent, backpropagation, activation, optimization 등 딥 러닝의 핵심 개념을 강의하며, 후반부에는 convolutional neural network, recurrent neural network, generative adeversarial network, transformer 등 실제로 활용되는 딥 러닝 모델들의 특징과 활용 사례를 다룬다. 또한 각 모델들을 PyTorch를 통해 실제로 활용해볼 수 있도록 과제/프로젝트를 구성한다.