최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 GNSS가 작동하지 않는 환경에서 정확한 위치 인식을 위해 와이파이 AP를 이용한 준 지도적 GAN 기반 실내 위치 인식 방법을 제안합니다. 소량의 학습 샘플만으로 정확한 위치 모델을 학습하여 데이터 수집 및 보정 비용을 줄이며, 실험 결과 기존 딥러닝 기반 방법보다 우수한 성능을 보였습니다.
Artificial Intelligence for Communications and Networks : Second EAI International Conference, AICON 2020, Virtual Event, December 19-20, 2020, Proceedings
Geographical and fingerprinting data for positioning and navigation systems : challenges, experiences and technology roadmap
Semantic labeling of places with mobile robots
Introduction to Visual SLAM : from theory to practice
Computational intelligence in wireless sensor networks
Semi-supervised learning
Sensor based intelligent robots : international workshop, Dagstuhl Castle, Germany, September 28-October 2, 1998 : selected papers
Position location techniques and applications
Generative adversarial learning : architectures and applications
Model-based image matching using location
Local positioning systems : LBS applications and services
Deep learning with Keras : implement neural networks with Keras on Theano and TensorFlow
(코딩셰프의) 3분 딥러닝 케라스맛
Robotic navigation and mapping with radar
Mobile robots : navigation, control and remote sensing
Future wireless networks and information systems.
Multi-technology positioning
GAN 인 액션 : 텐서플로 2.x와 케라스로 구축하는 생성적 적대 신경망
Advanced location-based technologies and services
IEEE Access
Njima W.,Bazzi A.,Chafii M.IEEE Internet of Things Journal
Seong J.H.,Seo D.H.IEEE Sensors Letters, Sensors Letters, IEEE, IEEE Sens. Lett.
Nabati, M.; Navidan, H.; Shahbazian, R.; Ghorashi, S.A.; Windridge, D.IEEE Transactions on Mobile Computing, Mobile Computing, IEEE Transactions on, IEEE Trans. on Mobile Comput.
Jung, S.; Moon, B.; Han, D.IEEE Transactions on Neural Networks and Learning Systems
Liu X.Y.,Wang X.IEEE ACCESS
Njima, Wafa; Chafii, Marwa; Chorti, Arsenia; Shubair, Raed M.; Poor, H. VincentMobile Information Systems
Farid, Z.; Nordin, R.; Ismail, M.; Abdullah, N.F.한국통신학회논문지
타이광퉁; 정기숙; 금창섭JOURNAL OF LOCATION BASED SERVICES
Alhomayani, Fahad; Mahoor, Mohammad H.IEEE Sensors Journal, Sensors Journal, IEEE, IEEE Sensors J.
Zhou, M.; Tang, Y.; Nie, W.; Xie, L.; Yang, X.Pervasive and Mobile Computing
Yoo J.,Park S.KSII Transactions on Internet and Information Systems
Dong Li; Yan Yan; Baoxian Zhang; Cheng Li; Peng XuIEEE Internet of Things Journal
Yuan Wu; Ruizhi Chen; Wenju Fu; Wei Li; Haitao ZhouIEEE Internet of Things Journal
Wu Y.,Chen R.,Fu W.,Li W.,Zhou H.정보처리학회논문지. 컴퓨터 및 통신시스템
Boney Labinghisa; 이동명Wireless Personal Communications: An International Journal
Jain, Vinod Kumar; Tapaswi, Shashikala; Shukla, AnupamJournal of Institute of Control, Robotics and Systems
Jaehyun YooExpert Systems with Applications
Mallik M.,Chakraborty S.,Sasidhar K.,Chowdhury C.Journal of Sensor and Actuator Networks
Paudel K.,Kadel R.,Guruge D.B.IEEE Sensors Journal
Belmonte-Hernandez A.,Hernandez-Penaloza G.,Martin Gutierrez D.,Alvarez F.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
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.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 / 학사
GIS(Geographic Information System), GPS(Global Positioning System), Google Earth, 인공지능 등을 포함한 다양한 테크놀로지는 지리학습에 효과적으로 활용될 수 있다. 테크놀로지는 위치정보 제공에서부터 공간분석, 공간적 사고력 향상을 위한 탐구기반학습 등 다양한 영역에서 이용되고 있다. 이 강의의 목적은 현실 세계의 문제들을 지리적 시각을 통해 탐색하고 테크놀로지를 활용해 해결하는 능력을 증진하는 것이다. 학생들은 실제적 맥락에서 테크놀로지를 이해하고 다양한 맥락으로 전이가능한 역량을 함양한다.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
동 교과학습을 통해 지구 차원의 좌표계의 설정원리를 먼저 이해하고 무선통신의 기본원리와 무선망에 대해 공부한다. 또한 GPS, WiFi, RFID, 셀룰라 네트워크를 통한 실내외 위치결정을 공부한 후 이를 토대로 대표적인 LBS 서비스인 지오포털과 네비게이션에의 응용에 필요한 요소기술인 아키텍처, 맵매칭, 경로탐색 등을 차례로 학습한다.전선 / 대학원
이 강의는 공간정보공학을 기반으로 지리정보시스템(GIS), 원격탐사 및 측량학에 대한 고급 개념 및 활용에 대한 내용을 다룬다. 이 강의에서 수강생들은 최신 문헌, 기술 보고서 및 관련 리소스에 대한 논의를 통해 공간정보 산업분야 관련 기술 및 주요발전사항에 대한 지식을 배양한다. 특히, 고해상도 위성영상, 환경공간정보 매핑 기법, 주요 원격탐사 및 사진측량 등 공간영상정보의 해석기법에 대해 소개한다.전선 / 학사
본 과목은 빅데이터를 활용하는 ML/AI/인지과학의 서비스를 개발할 때, 특히 많이 접하면서 까다로운 시계열 데이터 처리와, 파이썬 등으로 서비스를 개발을 효과적으로 할 수 있는 MLOps/DevOps 실전 가이드를 다루고자 한다. 연구 성과를 검증/공유하기 위해 패키지로 deploy하기 위한 도커/쿠버네티스 기술과 마이크로서비스 구축에 필요한 방법을 학습한다.전선 / 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 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
본 강의는 인공환경을 건축구조물 단위의 시스템으로서 이해하고, 생애주기 동안 주변 환경과 어떻게 상호작용하는지에 대한 폭넓은 이해를 제공한다. 건축구조물의 사용 환경에 따른 거동을 다자유도시스템(state-space representation)으로 분석하기 위해 동역학 기초지식이 요구된다. SIMO, MIMO 시스템 관련하여 대표적인 응답기반 시스템식별 기술(시계열 기반, 주파수영역 기반, 확률기반 등)의 이론에 대해 학습한다. 더 나아가 시스템식별 기술을 머신러닝 알고리즘(ARMA, Neural Network, LSTM 등)과 접목하여 부분 계측된 인공환경의 실시간모니터링과 미래성능예측, 그리고 유지보수를 위한 의사결정 도출방법을 학습한다. 궁극적으로 학생들에게 다차원적인 건축물과 환경의 상호작용에 대한 통찰력을 제공한다.전선 / 대학원
인공지능 알고리즘은 현재 물체인식, 음성인식, 번역 등 많은 분야에서 그 응용을 넓혀가고 있다. 최근 가장 우수한 성능을 보이는 신경망 알고리즘은 매우 많은 계산을 필요로 한다. 본 과목에서는 인공지능 알고리즘을 실제 시스템에서 구현하는 방법을 다룬다. 이를 위해서는 인공지능 알고리즘 수준에서의 최적화와 더불어 시스템 구현에 대한 이해가 필요하다. 대상 시스템으로 고성능 GPU 뿐만 아니라 내장형 시스템 또는 하드웨어를 이용한 구현을 다룬다. 본 과목에서는 전반부에서 인공지능 알고리즘을 다루고 후반부에서 시스템 구현 및 최적화를 다룬다.전선 / 대학원
이 교과목은 대학원생들을 대상으로, 현재 사용되고 있는 최신 암호 알고리즘을 설명한다. 이 과목은 다음과 같이 두 부분으로 구성된다: 첫째, DES, IDEA, RC5, RC6 와 같은 블록 암호 알고리즘들을 각각 키(key) 생성, 암호화, 복호화 하는 과정으로 설명한다. 둘째, 전자 서명에 근거한 다양한 인증 기법을 소개한다. DMDC, MD5, SHA-1, HMAC 와 같은 다양한 해쉬(hash) 함수를 사용하여 문장을 축약하고 인증하는 방식을 제시한다.전선 / 대학원
고급 확률 그래프 모형(PGM)은 많은 수의 변수가 상호작용하는 복잡한 도메인에 대한 확률 분포를 표현하는 효과적인 방법이다. 따라서 확률 그래프 모형은 의료진단, 이미지 및 음성인식, 스포츠통계, 생물정보학 등과 같은 다양한 분야에 적용되는 머신러닝 방법들의 핵심적인 역할을 한다. 이 강의는 방향성 그래프를 이용하는 베이지안 네트워크; 무방향성 그래프를 사용하는 마르코프 네트워크의 이론적 성질과 학습 방법 그리고 실제 적용 사례를 설명한다.전선 / 대학원
한 지역에 대한 체계적이고 종합적인 이해는 본래 지리학이 추구해 온 목표였다. 이러한 목표를 이루기 위한 방법은 시대별, 지역별로 다소 상이한 형태를 띠며 발전해 왔다. 본 과목에서는 지역연구의 방법론이 전체 지리학의 발전과정 속에서 어떻게 변모해 왔는가를 고찰하고 각각의 방법론들이 지니는 장단점들을 파악해 봄으로써 지역연구의 새로운 방법론을 모색해 보는 데 주안점을 둔다.전선 / 대학원
건축과 도시환경을 설계, 시공, 운영하는 과정은 항상 인간 활동을 중심으로 수행되어왔지만, 인간 활동에 관한 실시간의 정량적 데이터를 수집 및 분석하는 데에 기술적 한계가 있었으며, 이로 인해 건축과 도시공간의 기능과 편의를 향상시키는데 많은 어려움이 있음. 본 강의에서는 건축환경에서 실시간으로 사람과 환경의 데이터를 자동으로 수집, 분석, 활용하는 ICT기반 센싱 및 데이터 처리기술에 대해서 학습하고, 스마트홈, 스마트빌딩, 스마트건설의 계획과 각 요소기술의 적용방안에 대해서 논의함. 본 강의를 성공적으로 이수함으로써 학생들이 다음과 같은 역량을 계발하는 것이 가능함. (1) 건축과 도시환경의 설계, 시공, 운영 과정에서 데이터 수집 및 활용 현황, 그리고 내재되어있는 문제점에 대해서 이해하고 논의할 수 있음 (2) 영상, 소리, Lidar 등 센서를 활용한 데이터 수집 기법와 인공신경망 등 기계학습을 활용하여 필요한 정보를 추출하는 과정에 대해서 이해하고, 프로그래밍을 통해 직접 구현할 수 있음 (3) 스마트홈, 스마트빌딩, 스마트건설을 구성원리를 이해하고, 계획에 요구되는 요소기술의 적용에 있어 장/단점과 기회/장벽에 대해서 설명할 수 있음전선 / 대학원
건축과 도시환경을 설계, 시공, 운영하는 과정은 항상 인간 활동을 중심으로 수행되어왔지만, 인간 활동에 관한 실시간의 정량적 데이터를 수집 및 분석하는 데에 기술적 한계가 있었으며, 이로 인해 건축과 도시공간의 기능과 편의를 향상시키는데 많은 어려움이 있음. 본 강의에서는 건축환경에서 실시간으로 사람과 환경의 데이터를 자동으로 수집, 분석, 활용하는 ICT기반 센싱 및 데이터 처리기술에 대해서 학습하고, 스마트홈, 스마트빌딩, 스마트건설의 계획과 각 요소기술의 적용방안에 대해서 논의함. 본 강의를 성공적으로 이수함으로써 학생들이 다음과 같은 역량을 계발하는 것이 가능함. (1) 건축과 도시환경의 설계, 시공, 운영 과정에서 데이터 수집 및 활용 현황, 그리고 내재되어있는 문제점에 대해서 이해하고 논의할 수 있음 (2) 영상, 소리, Lidar 등 센서를 활용한 데이터 수집 기법와 인공신경망 등 기계학습을 활용하여 필요한 정보를 추출하는 과정에 대해서 이해하고, 프로그래밍을 통해 직접 구현할 수 있음 (3) 스마트홈, 스마트빌딩, 스마트건설을 구성원리를 이해하고, 계획에 요구되는 요소기술의 적용에 있어 장/단점과 기회/장벽에 대해서 설명할 수 있음전선 / 대학원
조경계획 및 설계는 대상지의 자연환경 및 사회경제적 특성과 관련된 각종 자료의 수집 및 분석을 필요로 한다. 근래의 대규모 신도시, 산업단지, 사회간접자본시설 개발사업은 경관생태학적 분석기법을 필요로 한다. 따라서 본 과목은 현지조사와 원격탐사를 이용하여 자연환경 자료를 수집하고, GIS를 이용하여 합리적인 의사결정에 도달하는 데 필요한 공간정보를 분석기법을 연구하는 것이다. 본 과목의 전반부는 원격탐사를 이용하여 자연환경 정보를 수집하는 방법을 연구하며, 후반부에는 GIS를 이용한 공간정보 분석기법을 연구한다.전선 / 대학원
시간과 장소는 사람과 함께 역학의 3요소이지만 상대적으로 덜 주목받아왔다. 2000년부터 2010년까지 주요 역학저널 7종에 실린 논문 중 공간 요소를 제대로 분석한 논문은 약 1%에 지나지 않았다. 최근 지리정보시스템(GIS)의 발전과 소지역 건강정보 제공에 따라 관련 역학 연구가 늘어나고 있다. 본 과목에서는 QGIS 및 R과 같은 오픈소스 소프트웨어를 이용해 건강행동과 질병의 분포를 시각화하고, 시공간상관을 고려한 군집분석과 회귀분석을 수행하며, 지역사회개입의 효과를 평가해보고자 한다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.