최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구에서는 비선형 모델 예측 제어기의 시뮬레이션 결과를 활용하여 심층 인공 신경망 기반의 자율 주행 제어 기법을 개발하였다. 개발된 인공 신경망 제어기는 비선형 모델 예측 제어와 유사한 성능을 보이면서도 실시간 성능이 향상되었으며, 복잡한 궤적 추적 시뮬레이션을 통해 그 성능을 검증하였다.
Stable adaptive neural network control
Foundations of adaptive control
Discrete-time high order neural control : trained with Kalman filtering
Fully tuned radial basis function neural networks for flight control
Discrete-time inverse optimal control for nonlinear systems
Hybrid predictive control for dynamic transport problems
Advanced robot control : proceedings of the International Workshop on Nonlinear and Adaptive Control, Issues in Robotics, Grenoble, France, Nov. 21-23, 1990
Proceedings of Workshop on Advances in Control and Its Applications
Performance of nonlinear approximate adaptive controllers
Control of uncertain systems--modelling, approximation, and design : a workshop on the occasion of Keith Glover's 60th birthday
Nonlinear model based process control
Topics in control and its applications : a tribute to Edward J. Davison
Advances in real-time systems
Colloquium on Automatic Control
Nonlinear and hybrid systems in automotive control
Nonlinear model predictive control : theory and algorithms
Advanced discrete-time control : designs and applications
Real time optimization by extremum seeking control
Artificial intelligence in real-time control 1992 : selected papers from the IFACIFIPIMACS symposium, Delft, the Netherlands, 16-18 June 1992
IEEE Access
Rokonuzzaman M.,Mohajer N.,Nahavandi S.,Mohamed S.IEEE Transactions on Intelligent Vehicles, Intelligent Vehicles, IEEE Transactions on, IEEE Trans. Intell. Veh.
Meng, D.; Chu, H.; Tian, M.; Gao, B.; Chen, H.Canadian Journal of Electrical and Computer Engineering
Abbas, M.A.; Milman, R.; Eklund, J.M.Automotive Innovation
Zhang, Z.; Lu, H.; Wu, W.; Feng, W.European Journal of Control
Boggio M.,Novara C.,Taragna M.ISA transactions
Liang Z; Zhao K; Xie J; Zhang ZVehicle System Dynamics
Novi T.,Liniger A.,Capitani R.,Annicchiarico C.Journal of Institute of Control, Robotics and Systems
Taekgyu Lee; Yeonsik KangControl Engineering Practice
Chemori A.,Kouki R.,Bouani F.IEEE Transactions on Vehicular Technology
Luan Z.,Zhang J.,Zhao W.,Wang C.Robotics and Autonomous Systems
Costa G.,Pinho J.,Botto M.A.,Lima P.U.IEEE Access
Wang B.,Liu C.,Chen S.,Dong S.,Hu J.Proceedings of the Institution of Mechanical Engineers, Part K: Journal of Multi-body Dynamics
Sharma, T.; He, Y.IEEE Transactions on Control Systems Technology
Chen D.L.,Liu G.P.IEEE Access
Sousa L.C.,Ayala H.V.H.IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences
Tatsuya KAI; Mayu NOBUMIYASensors
Huang Z.,Li H.,Li W.,Liu J.,Huang C.,Yang Z.,Fang W.Optical Memory and Neural Networks (Information Optics)
Egorchev, M.V.; Tiumentsev, Y.V.IFAC PAPERSONLINE
Kloeser, Daniel; Schoels, Tobias; Sartor, Tommaso; Zanelli, Andrea; Prison, Gianluca; Diehl, MoritzApplied Sciences (Switzerland)
Zhao K.,Wang C.,Xiao G.,Li H.,Ye J.,Liu Y.전선 / 대학원
제어 시스템 1 의 연이은 과목으로 고급 제어시스템 설계 및 해석에 필수적인 개념 및 기법들을 소개하는데, 특히 비선형 제어, 확률적 추정 및 제어, 적응 제어 및 비선형 최적제어 등에 주안점을 둔다.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.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 / 대학원
차량, 항공기, 로봇 등의 제어에 사용되는 컴퓨터 시스템은 계산상의 정확성과 아울러 태스크가 주어진 시간 내에 종료되어야만 하는 실시간시스템이다. 이 과목에서는 이러한 실시간시스템 구성을 위한 태스크 스케쥴링, 프로그래밍기법, 통신, 자원관리 등의 기법에 대하여 학습한다. 또 기말과제를 통하여 각자의 연구분야의 실시간 특성에 대하여 연구할 기회를 갖는다.전선 / 대학원
비선형 제어시스템의 안정도 분석에 대한 Lyapunov 안정도와 Operator-theoretic을 이용한 접근방식을 다룬다. 또한, 위상평면 방법론과 같은 함수적 방법에 대해 서술한 고전적 방법론과 Lyapunov direct/indirect method, Popov/circle criteria, singular perturbation technique와 궤환 선형화 이론, 강인 H 제어, 강인 Lyapunov redesign, sliding mode control과 같은 현대적 방법을 더불어 다룬다.전선 / 대학원
인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.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
이 과목은 차량동역학 및 제어 시스템과 제어이론응용을 다룬다. 동역학적 해석을 위한 물리적인 특성 및 모델링, 차량주행안전성, 스마트 자율주행 시스템에 대해 강의하고 이런 시스템에 응용되는 제어이론 및 제어기법을 학습할 수 있도록 한다. 특히, 스마트 자율주행 제어시스템의 최신 기술동향에 대해 소개한다. 자동차의 사고방지안전시스템 및 운전자보조시스템에 적용되는 제어이론을 소개한다. 또한 자율주행자동차에 핵심요소기술, 위치정보, 도로주위환경인지, 주행모드판단제어의 기본이론을 소개한다.전선 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.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 / 학사
본 과목에서는 자연어 처리 분야의 최근 기술 발전과 이를 이해하기 위한 배경 지식 전반을 강의한다. Transformer model 기반 자연어 처리 기법을 주로 다루며, 이를 이해하기 위해 필요한 배경 지식(Embedding, Encoder-Decoder, Attention 등)을 다룬다. 실제 자연어 처리 문제를 해결하기 위해 Transformer를 수정/활용하는 프로젝트를 진행한다.전선 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.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
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
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
제어시스템의 기본개념과 선형시스템 기초, 최적제어, dynamic programming, Hamilton-Jacobi이론, 기하학적 비선형 제어이론 등을 공부한다.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
본 강좌는 자율주행과 관련된 이론을 소개하고 자율주행 시스템의 응용을 살펴봅니다. 자율주행 기술은 자동차 및 각종 모빌리티에 매우 중요한 기술입니다. 본 강좌는 학생들에게 자율주행에 필요한 센싱, 심층학습, 의사 결정, 강화학습, 그리고 경로계획 알고리즘을 소개합니다. 또한 자율 시스템을 구축하고 이론적 지식을 실제 문제에 응용하는 방법들을 살펴봅니다.전선 / 대학원
딥러닝은 주어진 입력 데이터를 심층인공신경망으로 가공하여 원하는 테스크에 대해 좋은 성능을 달성하는 것을 목표로 한다. 이 과정에서 입력 데이터는 입력이 표현된 방식과는 확연히 다른 방식으로 표현되게 되고, 이러한 표현 방식의 변화를 통하여 원하는 정보를 잘 활용할 수 있게 된다. 본 강의는 딥러닝의 중요 연구주제 중 비지도학습의 기본 방식으로 자리 잡은 self-supervised learning 및 contrastive learning을 중심으로 진행한다. 특히 information theoretic approach를 비롯한 metric 관점의 representation learning에 대해 고찰하고 domain generalization, meta learning, 등과 같은 학습기법들에 대해 논의하며 이를 통하여 표현학습에 대해 심화된 이해를 하는 것을 목표로 한다.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.