최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 AOI 프로그래밍을 위한 SMD 분류 정확도 향상을 목표로, 두 개의 컨볼루션 신경망을 직렬로 구성한 새로운 SMD 분류 시스템을 제안합니다. 장치 영역 검출 네트워크와 분류 네트워크를 통해 먼저 장치 영역을 검출하고, 이를 바탕으로 분류 정확도를 높였습니다.
Image processing of edge and surface defects
Neural Information Processing : 26th International Conference, ICONIP 2019, Sydney, NSW, Australia, December 12–15, 2019, Proceedings, Part V
Image technology : advances in image processing, multimedia and machine vision
Optimal production planning for PCB assembly
Object detection with deep learning models : principles and applications
Conference test methodology for IEEE standards for local and metropolitan area networks : Carrier sense multiple access with collision detection specifications
Principles and theory for data mining and machine learning
3D model recognition from stereoscopic cues
Guide to convolutional neural networks : a practical application to traffic-sign detection and classification
Multiuser detection
SQUID sensors : fundamentals, fabrication, and applications
Microcolumn separations : columns, instrumentation and ancillary techniques
Digital electronics and design with VHDL
3D TCAD simulation for semiconductor processes, devices and optoelectronics
실전! 프로젝트로 배우는 딥러닝 컴퓨터비전 : 영상분석 이론부터 엔비디아 젯슨 나노를 활용한 자율주행 실습까지
MATLAB Deep Learning : With Machine Learning, Neural Networks and Artificial Intelligence
Computer vision, models, and inspection
Sensor networks with IEEE 802.15.4 systems : distributed processing, MAC, and connectivity
2019 THIRD IEEE INTERNATIONAL CONFERENCE ON ROBOTIC COMPUTING (IRC 2019)
Park, Tae-Hyoung; Lim, Dae-Ui; Kim, Young-Gyu전기학회논문지
류종현, 김영규, 박태형IEEE Transactions on Instrumentation and Measurement
Hongjin Wu; Ruoshan Lei; Yibing PengIEEE Transactions on Instrumentation and Measurement
Wu H.,Lei R.,Peng Y.JOURNAL OF IMAGING
Cumbajin, Esteban; Rodrigues, Nuno; Costa, Paulo; Miragaia, Rolando; Frazao, Luis; Costa, Nuno; Fernandez-Caballero, Antonio; Carneiro, Jorge; Buruberri, Leire H.; Pereira, AntonioIEEE Transactions on Instrumentation and Measurement
Tsai D.M.,Chou Y.H.IEEE Transactions on Instrumentation and Measurement
Wen L.,Zhang Y.,Gao L.,Li X.,Li M.HighTech and Innovation Journal
Akhtar M.B.Sensors
Chand P.,Lal S.2019 IEEE INTERNATIONAL CONFERENCE ON BIG DATA AND SMART COMPUTING (BIGCOMP)
Chang, Yi-Ming; Wei, Chia-Chen; Chen, Jeffrey; Hsieh, PackJournal of Institute of Control, Robotics and Systems
Tae-Hyoung Park; Young-Gyu Kim; Dae-Ui Lim제어.로봇.시스템학회 논문지
연승근, 박태형, 이윤애멀티미디어학회논문지
윤형조, 이준재Neurocomputing
Liu W.,Sun H.,Jia Z.,Yu X.Expert Systems with Applications
Singh S.A.,Kumar A.S.,Desai K.A.Applied Intelligence: The International Journal of Research on Intelligent Systems for Real Life Complex Problems
Wang, Zhihao; Shen, XizhongMeasurement: Journal of the International Measurement Confederation
Shu Y.,Li B.,Lin H.IEEE Transactions on Industrial Electronics
DImitriou N.,Leontaris L.,Vafeiadis T.,Ioannidis D.,Wotherspoon T.,Tinker G.,Tzovaras D.IEEE TRANSACTIONS ON COMPONENTS PACKAGING AND MANUFACTURING TECHNOLOGY
Li, Yu-Ting; Kuo, Paul; Guo, Jiun-InResources, Conservation and Recycling
Soomro I.A.,Ahmad A.,Raza R.H.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 모델을 이용하여 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에서 정상 해부학적 구조물의 자동적 영역분할, CEP 계측점 자동적 탐지, 및 다양한 치과질환의 자동적 탐지 및 분류하는 딥러닝 모델과, 3D 치과 데이터에서 자동적 탐지, 분할과 분류하는 딥러닝 모델의 원리와 구조에 대해 수업함. 인공신경망과 딥러닝 소개 컴퓨터 비전을 위한 심층 컨볼루션 신경망 소개 딥러닝을 이용한 의료 및 치과영상 감지 및 인식 딥러닝을 이용한 의료 및 치과영상 분할 딥러닝을 이용한 의료 및 치과영상 등록 딥러닝을 이용한 컴퓨터 지원 진단(CAD)전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 알고리즘을 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에 적용하여 자동적 영역분할, 치과질환의 자동적 탐지 및 분류하는 방법을 실습함. 치과영상 데이터의 annotation 방법, 신경망 학습, 테스트 및 모델의 성능분석 등을 디지털 치과 데이터를 실제 컴퓨터 서버에 탑재하고 실습하여, 학생 스스로 딥러닝을 이용하여 치과영상을 분석할 수 있는 능력을 제공함. Getting Started with Deep Learning Using PyTorch Building Blocks of Neural Networks Diving Deep into Neural Networks Fundamentals of Machine Learning Deep Learning for Computer Vision Deep Learning with Sequence Data and Text Generative Networks전필 / 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
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
DRAM과 NAND Flash memory 이후의 새로운 형태의 최신 메모리와 로직 반도체 소자 및 재료에 대한 기본 지식 제공을 목적으로 한다. FeRAM, MRAM, PcRAM, ReRAM 소자에 대한 새로운 지식을 제공하고 이들 소자의 궁극적 한계를 생각해본다. 또한, 논리 회로를 이루는 기본 게이트와 이들의 조합에 따른 논리 연산의 원리를 배운다. 이후 뉴로모픽 연산 및 딥러닝 시스템에 관한 기본 이해와 연산 방식에 관해 학습한다. 뉴메모리 및 로직 소자, 뉴로모픽 연산에 관한 전반적인 지식 습득과 더불어 궁극적으로 반도체 또는 고체 전자 소자가 직면하게 될 한계를 설명하고 이를 극복하기 위한 Nanoelectronics의 개념과 전개방향을 설명한다.전선 / 대학원
강좌에서는 Bayes, MAP, Neyman-Pearson, MMSE 등의 검출 이론과 이의 추정에 대해 다룬다. 또한 최적 수신기의 성능과 이의 분석을 다룬다.전선 / 학사
이 과목은 Deep-Submicron CMOS 디바이스 특성에 검토하고 디지털 집적회로의 분석 및 설계에 대해서 다루며 로직게이트, 산술회로, 그리고 메모리의 설계 및 최적화에 대해서도 다룬다. 마지막으로 인터커넥트, 전력소모, 클럭분배, 그리고 다양한 주제를 다룬다.전선 / 대학원
본 교과목에서는 선박설계를 위한 다양한 인공지능 방법을 배우고 이의 응용 사례를 살펴보는 것을 목적으로 한다. 먼저 선수 과목 등을 통해 학습한 여러 딥 러닝 기법, 즉 DFN (Deep Feedforward Network), RNN (Recurrent Neural Network), CNN (Convolutional Neural Network), 강화 학습 (Reinforcement Learning) 등의 개념을 복습한다. 이후, 설계 분야를 기본설계, 생산설계, 운항설계 등으로 구분한 뒤, 각 분야에서 인공지능이 필요한 사례를 학습한다. 기본설계에서는 도면 내 객체 및 텍스트 인식, 해기상 및 선박 소요 마력 예측 등의 사례를 살펴본다. 생산설계에서는 블록 탑재를 위한 크레인 제어 등의 사례를 살펴본다. 운항 설계에서는 영상 기반 선박 주변 장애물의 탐지 및 추적, 선박의 충돌 회피 등의 사례를 살펴본다. 끝으로 학생들은 설계 분야의 특정한 주제에 대해 인공지능을 활용한 문제 해결 방법에 대해 Term Project를 수행한다.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.전선 / 대학원
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할 수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론 및 알고리즘, 응용 분야 등을 설명한다.전선 / 대학원
이 과목에서는 내장형시스템 분야의 최신 연구동향을 학습한다. 최신 논문의 강독 및 세미나 발표를 중심으로 진행되며, 다양한 응용분야에서 내장형 시스템의 설계 이슈와 최신 방법론을 다룬다. 주요 강의주제는 시스템레벨 설계 방법론, 내장형소프트웨어 설계 및 최적화, 시스템온칩 아키텍처설계, 하드웨어/소프트웨어 통합설계 등을 다룬다. 또한, 구체적인 설계사례로 IoT 시스템, 스마트폰 등의 모바일 시스템, 스토리지 서브시스템 등을 다룬다. 논문 세미나에서는 top-tier 학회인 DAC, DATE, ESWEEK, ISCA, MICRO, FAST 등에서 발표된 최신 주요 논문을 주로 발표한다.전선 / 대학원
멀티스케일 문제의 엄밀한 해석 체계를 갖추기 위해서는 양자역학부터 연속체 역학까지의 이해와 적용능력이 필요하다. 실제적인 디바이스의 설계를 위해서 필요한 물리계의 이론을 양자역학에서 출발한 제일원리의 분자동역학으로부터 고전적 분자동역학, 마이크로 스케일 물리계 역학, 연속체 물리계의 이론까지 학습한다.전선 / 대학원
이 수업은 인공지능과 기계학습의 이론적 기초를 다루며, 특히 의료 데이터의 다양한 특징에 맞는 학습 및 추론 알고리즘을 디자인하기 위해 필요한 공학적 및 신호처리 원리를 이해하는 데 초점을 맞춘다. 수업에서는 전통적인 기계학습 기법부터 최신 인공지능 기법까지의 원리를 배우고, 이를 통해 수강자가 주어진 데이터를 바탕으로 알고리즘을 설계하고 공학적으로 해석할 수 있는 능력을 키우는 것을 목표로 한다. 의료 데이터는 단백질과 분자 (그래프), 유전체/전사체 (텍스트), 혈당/뇌파 (시계열 신호), 의료 영상 (다차원 영상), 환자 메타 정보 (테이블), 대사 상호 작용 정보 (다차원 행렬) 등 매우 다양한 형태를 가지고 있다. 이러한 다양한 데이터를 컴퓨터가 이해할 수 있는 형식으로 변환하는 과정에서 비선형 함수의 학습이 중요한 역할을 하며, 이는 의료 인공지능의 핵심 신호처리 원리 중 하나이다. 본 수업은 일반적인 기계학습 및 인공지능의 공학적 기초 외에도, 이처럼 의료 데이터의 특성을 반영한 대표적이고 특징적인 기계학습 및 인공지능 기술을 추가적으로 학습한다. 이를 통해 수강자는 일반 데이터 전문 분석가를 넘어선 의료 데이터 전문 분석가로 성장할 수 있는 역량을 갖추는 것을 목표로 한다.전선 / 대학원
지능재료의 정의와 종류, 역할등에 대한 개략적인 고찰을 한 후 선형 이론을 적용하여 지능 구조물의 거시적인 거동을 기술하는 방법론을 제공한다. 구조물의 열-전기-기계의 완전 연성을 고려하여 주어진 환경하에서 거시적인 거동을 기술하는 능력을 습득하고, 실제 작동기로 사용되는 피에조 세라믹 계열의 재료(PZT, PLZT)와 형상기억합금(SMA;Shape Memory Alloy)의 미시적인 구성방정식을 다루고 이 미시적인 관점이 어떻게 거시적인 구성방정식으로 확장되는지에 대한 미시역학을 공부한다. 특히 PZT에서 발생되는 분극반전(polarization switching)에 대해 공부하고 SMA에서 발생하는 상 전이 현상(Phase transformation)에 관해 공부한다. 구성방정식을 공부한 후 실제 구조물에서 지능재료의 기능을 고찰하고 설계에 응용하기 위한 실제문제들의 해석과 설계 문제를 다룬다.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
본 교과목은 강의 교수와 수강하는 학생들이 협의하여 창의적으로 주제를 선정하고, 관련 이론 및 최신 기술을 함께 배우는 세미나와 토론 및 프로젝트를 수행하는 교과목이다. 컴퓨터 기술은 빠르게 발전하기 때문에 기존의 교과목에서는 다루지 못하는 기술이 속속 등장하고 있다. 본 교과목은 이러한 신기술을 배울 수 있는 기회를 제공한다. 또한 과학기술·산업·사회 분야의 당면 문제를 컴퓨터 기술로 해결하는 창의적인 방안을 모색할 수도 있으며, 적정기술을 이용하여 사회적 약자를 위한 컴퓨팅 시스템을 개발하는 사회공헌형 주제로 강좌를 진행할 수 있다. 또한 수강생들이 창의적인 주제를 제안하고 강의 교수가 이를 인정하고 지도하는 상향식 주제 탐구도 적극 권장할 예정이다. 본 교과목에서 학생들의 연구 성과는 학기말에 결과 발표회를 통해 성과를 학부 전체에 공유한다.전선 / 대학원
본 강의에서는 시스템-온-칩 뿐 아니라 분산 임베디드 시스템을 체계적으로 설계하기 위한 방법론으로 많은 주목을 받고 있는 하드웨어-소프트웨어 통합설계 방법론에 관하여 공부하도록 한다. 우선, 시스템을 정형적으로 명세하기 위한 다양한 계산 모델(model of computation)에 관하여 살펴보고 시스템의 시뮬레이션과 빠른 성능 예측 기술, 그리고 시스템의 최적 구조를 탐색하는 기술 등 시스템 설계에 관한 핵심 기술들을 개괄적으로 살펴본다. 끝으로 병렬/분산 임베디드 소프트웨어의 검증과 유지를 용이하게 하기 위한 임베디드 소프트웨어 설계 기술을 배운다.전선 / 대학원
선형 공간과 선형 대수의 기본적인 수학을 다루고 기초적인 행렬과 상태변화 행렬에 대해서 다루게 된다. 그리고 시스템의 가제어성(Controllability)과 가관측성(Observability)을 체크하는 방법에 대해서 알아보고 또한 시스템의 안정성을 검증해본다. 상태변화 행렬에 의한 정규 구조 (Canonical form)와 시스템의 안정여부와 검출 여부 그리고 시스템 관측(Observer)설계 방법을 살펴본다.전선 / 대학원
본 강의에서는 최신의 전기기기 이론과 전력전자 기술을 이용하여 특정한 형태의 전력 에너지를 다른 형태의 전력 에너지로 변환하는 여러 전력 변환 기기 및 회로, 제어에 대해 소개하고 현재 해당분야에서 연구의 중심이 되는 주제들에 대해 강의한다.