최근 확인한 콘텐츠
loading...
본 논문은 물류, 구조 작업 등에 활용 가능한 자율 쿼드콥터를 위한 이미지 처리 기반 UAV 시스템을 제안합니다. 카메라로부터 얻는 정보를 활용하여 CNN 기반 상태 피드백 제어를 통해 고속 호버링 높이 및 자세 제어 방법을 제시하며, 시뮬레이션 및 실험을 통해 제안 방법의 우수성을 입증합니다.
Multicopter Design and Control Practice : A Series Experiments based on MATLAB and Pixhawk
High-dynamic-range (HDR) vision : microelectronics, image processing, computer graphics
Unmanned aerial vehicles
Bio-inspired computation in unmanned aerial vehicles
Helicopter performance, stability, and control
Motion deblurring : algorithms and systems
Signal processing techniques for knowledge extraction and information fusion
Flight formation control
Advances in control theory and applications
多无人机自主协同控制理论与方法
Recent developments in unmanned aircraft systems
Virtual decomposition control : toward hyper degrees of freedom robots
Human centered computing : first International Conference, HCC 2014, Phnom Penh, Cambodia, November 27-29, 2014, Revised selected papers
Image technology : advances in image processing, multimedia and machine vision
Fully tuned radial basis function neural networks for flight control
Intelligent robotics and applications : first international conference, ICIRA 2008, Wuhan, China, October 15-17, 2008 : proceedings, part 1-part 2
Distributed consensus in multi-vehicle cooperative control : theory and applications
无人机遥感载荷综合验证系统技术
飞行器动态导航与滤波 = Dynamic navigation and filtering method for aerocraft
International Journal of Control, Automation, and Systems
J. M. Vazquez한국산업융합학회논문집
진태석한국산업융합학회논문집
진태석Journal of Unmanned Vehicle Systems
Jiang, Zifei; Lynch, Alan F.한국산업융합학회논문집
진태석宜宾学院学报 / Journal of Yibin University
郭金虎; 谭功全; 李艾棠; GUO Jinhu; TAN Gongquan; LI AitangIEEE Transactions on Robotics
Zhang, D.; Tang, J.; Wang, T.-H.; Mueller, M.W.; Loquercio, A.; Malik, J.International Journal of Modelling and Simulation
Touil D.E.,Terki N.,Hamiane M.,Aouina A.,Sidi Brahim K.Robotica
Gomez-Balderas, J.E.; Salazar, S.; Lozano, R.; Guerrero, J.A.한국지능시스템학회 논문지
유현호, 최병재IOP Conference Series: Materials Science and Engineering
Khuwaja, K.S.A.; Mihalca, V.O.; Ţarcǎ, R.C.; Chowdhry, B.S.; Khuwaja, K.F.Sensors
Ramírez-Ayala O.,González-Hernández I.,Salazar S.,Flores J.,Lozano R.IEEE Robotics and Automation Letters
Lambert N.O.,Drew D.S.,Yaconelli J.,Levine S.,Calandra R.,Pister K.S.J.IEEE Latin America Transactions
Lima Gomes, Leandro; Pires Leal, Lucas; Roux Oliveira, Tiago; Paulo Vilela Soares da Cunha, Jose; Cerqueira Revoredo, TeoInternational Journal of Dynamics and Control
Özbaltan, Mete; Çaşka, SerkanJournal of Physics: Conference Series
V T Tran; A M Korikov; D K TranDistributed and Parallel Databases: An International Journal of Data Science, Engineering, and Management
Xie, Bing; Niu, FengjuanIEEE Robotics and Automation Letters
Dunn J.,Tron R.대한기계학회논문집 A
변은석, 이종수The Imaging Science Journal
Xinni Liu; Kamarul Hawari Ghazali; Fengrong Han; Izzeldin Ibrahim Mohamed전선 / 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
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) 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
4차 산업혁명의 핵심기술인 인공지능(딥러닝)의 배경지식과 활용방법을 습득하며, Convolutional Neural Networks 와 Recurrent Neural Networks 에 관한 지식과 활용법을 실습한다. 딥러닝 기본개념, Stochastic Gradient Descent, backpropagation 기법, 초기화기법, regularization 기법, 콘볼류션신경망(CNN), CNN 구조, 반복신경망(RNN), RNN의 응용, 강화학습을 다룬다. 이론은 기존 머신러닝과목에서 다루므로, 이론보다는 실용적 적용능력을 배양하기 이해 딥러닝 관련 소프트웨어 교육을 강조하며, Python에 관한 강의와 실습, Python 수학 라이브러리 numpy에 강의도 실시한다. 또한 Advanced deep learning library인 Tensorflow에 대한 강의와 실습도 병행한다.전선 / 대학원
이 과목에서는 휴머노이드 로봇의 보행제어를 다룬다. 학생들은 이와 관련된 제어이론들을 배우고, 습득한 이론들을 시뮬레이션 환경과 실제 로봇에 구현한다. 프로젝트에서는 좀 더 고급이론들을 이해하고 휴머노이드 로봇에 구현하여 실제 데모를 완성하는 것을 목표로 한다.전선 / 학사
본 교과목은 항공기의 동적특성을 이해하고, 비행 제어시스템을 설계하기 위한 기본원리를 제공하는 교과목이다. 항공기 조종성 및 안정성에 대한 내용을 다루고, 항공기가 정적으로 안정하도록 설계하기 위한 기하학적 및 공력특성을 해석적으로 다룬다. 뉴톤의 제2법칙을 이용하여 강체인 항공기의 비행운동특성을 묘사할 수 있는 비선형 운동방정식을 유도한다. 항공기의 동특성을 이해하고, 제어시스템을 설계하기 위해서 주어진 평형상태에 대하여 선형화하여, 단주기/장주기 운동 등의 항공기 운동특성을 학습한다. 동적 안정성 증대 및 조종성 증대를 위한 제어기 설계기법을 학습한다전선 / 대학원
이 과목은 다변수 피드백 제어시스템의 강인성 분석과 설계에 관한 다양한 이론적 개념과 기법들을 배운다. 항공기 모델에 불확실성이 존재하거나 외란이 작용하더라도 비행 안정성과 성능을 잃지 않고 제어할 수 있어, 드론, 무인기, 미래 항공 모빌리티 등에 유용한 기술을 학습한다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.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 / 대학원
기존의 클라우드 의존적 AI 컴퓨팅이 사용자 프라이버시, 네트워크 과부하, 인터넷 단절에 대한 취약성 등 다양한 이슈를 야기함에 따라 최근 AI 컴퓨팅을 클라우드 뿐만 아니라 사용자 근처의 소형/저비용 엣지 컴퓨터에서도 수행하려는 흐름이 전개되며 앰비언트 인공지능이라는 개념이 탄생했다. 본 강좌는 최신 논문 분석, 구현 실습 및 그룹 프로젝트를 통해 앰비언트 인공지능을 위한 핵심 기술과 플랫폼을 익히고 응용하는 것을 목표로 한다. (1) 앰비언트 인공지능 기술: 모델 경량화, 신호처리와 딥러닝 모델의 하이브리드 운용, 클라우드-엣지 통합 운용, 연합 학습, 메타 학습 (2) 앰비언트 인공지능 플랫폼: TensorFlow, TensorFlow Lite, Coral AI, Jetson Nano (3) 앰비언트 인공지능 응용: 혼합현실, CCTV 자체 분석 등전선 / 학사
AI를 이용하여 주차장 게이트에서 번호판을 인식후 주차장 게이트를 Open/deny 하는 과정을 구현한다. 자동차 번호판을 인식하기 위해 object-detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 에 사용되는 딥러닝 모델들의 개요에 대해 배우고, GPU 서버를 이용하여 이 과정들을 구현한다.전선 / 대학원
본 과목에서는 항공기 유도제어기의 설계 및 최적궤적 설계를 위한 최적화기법을 다룬다. 우선, 변분법을 이용한 최적해의 필수조건을 유도하고, 제어시스템 설계를 위한 형태로 공식화한다. 최적제어이론의 대표적인 문제인 최단시간 제어기법, 최소 연료소모 제어기법 등을 다룬다. 최적제어문제의 일반적인 유형인 두점경계치 문제에 대한 수치해법을 연구하고, 항공기/발사체의 최적궤적을 설계하기 위한 문제에 적용한다.논문 / 대학원
본 교과목은 (협동과정)우주시스템전공 소속의 대학원생들이 창의적이고 우수한 우주시스템 전공의 학위논문을 쓰기 위하여 지도교수와 적절한 주제를 선정하여 관련된 문헌을 강독하고 분석하여 연구한 바를 지도교수와 정기적으로 토론한다. 본 교과목은 우주시스템 관련 연구 분야인 위성시스템, 발사체시스템, 우주추진, 희박공기역학, 우주소재, 우주과학, 위성활용을 통한 지구과학, 대기과학 및 해양과학 등의 분야에서 특정 주제를 선정하여 이론, 실험, 모델링, 설계, 해석, 제작, 시스템 엔지니어링 등의 다양한 연구방법을 적용하여 해당분야에서 우주시스템 분야 진보를 위한 전문가와 리더가 되기 위한 기초 및 응용 연구를 하는 것으로 한다.전선 / 대학원
이 과목에서는 휴머노이드 로봇의 보행제어를 다룬다. 학생들은 이와 관련된 제어이론들을 배우고, 습득한 이론들을 시뮬레이션 환경과 실제 로봇에 구현한다. 프로젝트에서는 좀더 고급이론들을 이해하고 휴머노이드 로봇에 구현하여 실제 데모를 완성하는 것을 목표로 한다.전선 / 대학원
본 스튜디오는 인공지능(AI)을 조경의 핵심 설계 도구로 활용하는 것을 목표로 하는 실습 중심의 스튜디오이다. 지난 2년간 진행한 세미나 주제인「조경과 AI」에서 다루었던 이론적 논의를 확장하여, 실제 설계 프로세스 속에서 AI의 잠재력과 한계를 탐구한다. 본 수업은 인간이 직관적으로 해결하기 어려웠던 형태적·공간적 문제를 인공지능을 통해 분석하고 생성하는 과정을 실험하며, 프롬프트 설계(Prompt Design)와 룰 베이스 설계(Rule-Based Design)와 같은 개념을 핵심 학습 주제로 다룬다. 수강생들은 2차원 이미지로부터 3차원 형상을 추출하고, 형태의 특징을 기반으로 기능과 프로그램을 부여하는 과정에서 다양한 AI 도구를 활용한다. 이를 통해 인공지능을 단순한 도구가 아닌 공동 설계자(co-designer)로 이해하며, 디지털 생성 기술을 통해 새로운 형태, 패턴, 그리고 공간 경험을 제안한다. 최종적으로 AI를 활용한 설계 프로토타입 혹은 실험적 디자인 아틀라스를 제작하여, 미래 조경·도시설계의 가능성을 탐구한다.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.전필 / 학사
본 교과목은 제어시스템을 설계하기 위한 기본원리를 제공하는 교과목이다. 전달함수를 이용한 선형계의 응답특성을 해석함으로 시스템의 동특성을 학습한다. 시스템의 안정성을 해석하기 위해서 안정성 이론으로 Routh-Hurwitz criterion, Root Locus 해석법, Bode 선도 및 Nyquist plot과 같은 주파수 응답해석 기법을 다루고, 이러한 해석기법을 이용한 제어기 설계에 관한 기본 사항을 다룬다. 시간영역에서 해석하는 상태공간 해석법을 다루게 되며, 이상과 같은 일반 선형계에 대한 제어이론을 항공기 및 인공위성에 적용, 안정성 해석 및 제어기 설계기법을 학습한다.전선 / 대학원
치과의료는 4차 산업혁명 기술과의 융합을 통해 디지털 덴티스트리(Digital dentistry) 기술로 발전이 가속화되고 있음. 환자의 디지털 파노라마 영상, 콘빔CT(CBCT) 영상, 3D 구강스캔 및 3D 안면스캔 등의 디지털 데이터를 획득(Scanning), 계획(Planning)/시뮬레이션(Simulation)과 즉시적 디지털 제작(Direct Digital Manufacturing, DDR) 과정을 거쳐서 치과환자 진단/치료에 바로 적용됨. 본 강의에서는 딥러닝(deep learning) 등 다양한 인공지능 알고리즘에 대한 이해를 바탕으로, SMART 디지털 덴티스트리(Digital dentistry) 구현을 위한 치과질환 자동진단, 환자맞춤형 치료계획 자동화, 및 치과수술 시뮬레이션 지능화 등의 솔루션 등에 대해 수업함.전선 / 대학원
빅데이터와 인공지능은 무인이동체의 자율적인 운행을 위한 필수적인 기술이다. 빅데이터는 인공지능의 예측 정확성을 증대시키고 사고범위를 확장하는 기반자료로서 무인이동체의 다양한 운항 및 성능자료 등이 여기에 포함된다. 인공지능 기술에 의해 시스템이 지능화하게 되면 자율화 프로세스인 OODA(Observe-Orient-Decision-Action)가 적시에 연쇄적으로 이루어지게 되어 통신 차폐와 송수신 시간 지연, 재밍 등의 제한성을 가진 무인이동체의 임무 자유도를 현격하게 증대시키게 된다. 이 교과과정에서는 대학원생이 빅데이터의 처리기법과 딥러닝에서 핵심적인 요소인 신경망과 CNN(합성곱 신경망)을 학습하여 인공지능의 기본 원리와 적용을 이해하게 된다. 이를 통해 무인이동체의 자율화의 통제수준을 인지하고 자율화의 현 수준과 발전방향을 이해하여 가능한 임무를 선택하고 운영개념을 작성할 수 있는 지식과 식견을 가지게 될 것이다.전선 / 대학원
대학원생을 위한 교과목으로 인공지능의 핵심 기술인 딥러닝 분야의 고급 이론 및 최신 응용을 다룬다. 구체적으로는 다음과 같은 주제를 다룬다: 트랜스포머 및 메모리-오그멘티드 신경망(메모리네트워크, 뉴럴튜링머신), 생성적대망, 베리에이셔널 오토인코더, 생성플로우 등 심층생성모델; 연속학습, 소수샷학습, 도메인적응, 전이학습 등 메타러닝; 적대적학습; 자동기계학습및 하이퍼파라메터최적화; 자기지도 및 비지도 학습; 보안 및 프라이버시; 딥러닝의 최신 응용 등 - 권장 선수과목: 기계학습 및 전기정보응용(M2608.001300), 딥러닝(M2177.003100)