최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Lee, Hye-Won; Roh, Myung-Il; Cho, Yeong-Min; Park, Jeong-Ho
2023 / Ocean Engineering
데이터가 존재하지 않습니다.
loading...
본 연구는 자율운항선박의 정확한 인식 및 추적을 위해 가상 시뮬레이션 환경 기반의 데이터 연관 알고리즘을 개발하고 검증합니다. 제안하는 알고리즘은 coherent point drift 및 nearest neighbor 방법을 활용하여 위치, 속도, 선박 길이를 기반으로 센서 데이터(AIS, 레이더, 카메라)를 연관하고, 실제 항해 데이터 및 가상 시뮬레이션을 통해 성능을 검증했습니다. 실험 결과, 제안하는 알고리즘은 실제 환경에서도 데이터 연관에 효과적으로 적용될 수 있음을 확인했습니다.
Guide to maritime informatics
Radar imaging for maritime observation
Sea ice image processing with MATLAB
Principles of integrated maritime surveillance systems
자율주행을 위한 비주얼 슬램 : 이론에서 실습까지
Underwater SLAM for structured environments using an imaging sonar
Cooperative control : a post-workshop volume: 2003 block island workshop on cooperative control
Data assimilation : tools for modelling the ocean in a global change perspective
CFD and CAD in ship design : proceedings of the International Symposium on CFD and CAD in Ship Design, Wageningen, the Netherlands, 25-26 September 1990
Nonlinear ocean dynamics : synthetic aperture radar
Multitarget-multisensor tracking
The maritime engineering reference book : a guide to ship design, construction and operation
Radar imaging of the ocean waves
Advances in spatial data handling : geophysical dynamics, geosimulation and exploratory visualization
Data fusion for sensory information processing systems
Principles of GNSS, inertial and multisensor integrated navigation systems
Time series analysis and forecasting by example
Distributed consensus in multi-vehicle cooperative control : theory and applications
Tagging and tracking of marine animals with electronic devices $cJennifer L. Nielsen ... [et al.], editors.
IOP Conference Series: Earth and Environmental Science
Zhao, Z.; Ji, K.F.; Xing, X.W.; Zou, H.X.REMOTE SENSING
Rodger, Maximilian; Guida, RaffaellaIEEE Transactions on Intelligent Transportation Systems
Ahmed I.,Jun M.,Ding Y.International Journal of Naval Architecture and Ocean Engineering
공민철; 노명일Remote Sensing
Graziano M.D.,Renga A.,Moccia A.International Journal of Naval Architecture and Ocean Engineering
Kong, Min-Chul; Roh, Myung-Il한국해양공학회지
한찬우, 이성욱, 진은석Journal of Navigation
Zhang Jie; Liu Yongxin; Wang Linglin; Zhang Hui; Ji YonggangJournal of Navigation
Zhang, H.; Wang, L.; Liu, Y.; Ji, Y.; Zhang, J.IEEE Geoscience and Remote Sensing Magazine
Zenghui Zhang; Limeng Zhang; Juanping Wu; Weiwei Guo한국해양공학회지
Chan Woo Han; Sung Wook Lee; Eun Seok JinIEEE Transactions on Geoscience and Remote Sensing
Zhenjie Liu; Jianming Xu; Jun Li; Antonio Plaza; Shaoquan Zhang; Lizhe WangJournal of Navigation
Shengda Pan; Fan Zhou; Jingjing JiangJournal of Navigation
Zhou F.,Pan S.,Jiang J.Signal, Image and Video Processing
Vishal Gupta; Mohammad Khalid Imam RahmaniIEEE Transactions on Consumer Electronics
Chenjie Zhao; Mengwei Bao; Jinhao Liang; Maohan Liang; Ryan Wen Liu; Guangyao PangProceedings of the Institution of Mechanical Engineers Part M: Journal of Engineering for the Maritime Environment
Xie, H.; Liu, Z.; Xu, X.; Zhang, J.Measurement: Journal of the International Measurement Confederation
Wu Y.,Chu X.,Deng L.,Lei J.,He W.,Królczyk G.,Li Z.IEEE Transactions on Green Communications and Networking
Ryan Wen Liu; Yu Guo; Jiangtian Nie; Qin Hu; Zehui Xiong; Han Yu; Mohsen GuizaniIEEE Transactions on Consumer Electronics
Zhao, C.; Bao, M.; Liu, R.W.; Liang, J.; Liang, M.; Pang, G.전선 / 대학원
급변하는 지구의 기후변화, 해양변화 등 지구계의 상호작용으로 일어나는 다양한 변화들을 인공위성 자료를 활용하여 연구하는 원격탐사 원리, 자료처리 기술 및 방법, 응용 연구 사례 등을 학습한다.전선 / 대학원
디지털 영상 처리 및 분류를 통한 원격탐사 위성영상으로부터 추출 가능한 지리정보의 효과적인 판독 및 분류 기법을 습득하고 실제 실험 프로젝트를 통하여 위성영상의 판독 능력을 배양한다.전선 / 학사
원격탐사에 대한 기본이론들을 이해하고, 위성영상의 프로세싱기법과 알고리즘을 이해하므로써, 여러 활용분야에 적용가능한 능력을 배양하는데 있으며, 이를 위해 IDRISI, ERDAS, ER-Mapper 등의 영상처리용 소프트웨어 실습을 병행한다.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
자율주행 이동 로봇공학은 로봇이 임의 공간에서 무인으로 이동하면서 주변을 탐색하고 현재 위치를 추정하면서 동시에 주위 공간의 지도를 작성하는 문제와 경로 계획 및 경로 최적화를 다룬다. 작성된 지도는 로봇이 주변 환경을 인식하는데 사용되며 로봇은 환경과 연속적으로 상호작용하게 된다. 이 내용은 기계 학습의 확률적 추론에 기반하고 있으며 수상/수중 로봇, 지능형 제조 작업 수행, 물류 처리 로봇의 핵심 알고리즘으로 사용된다. 베이즈 필터, 칼만 필터, 입자 필터, 동시적 위치추정 및 지도작성, 확장칼만필터 SLAM, 빠른 SLAM, 그래프 SLAM, 경로 계획 등에 대하여 학습토록 한다. 파이썬/C++ 프로그래밍의 기초 지식을 필요로 한다.전선 / 학사
인공위성 및 해양 관측 기술의 발전으로 해양 관측 데이터는 급속히 증가하고 있으며, 다양한 해양 및 기후변화 연구에 광범위하게 활용되고 있다. 이 강의에서는 인공위성과 해양 현장 관측을 통해 생성되는 방대한 해양 빅데이터의 생산 과정을 학습하고, 이를 효과적으로 처리, 분석, 시각화하고 해석하는 과정을 이해한다. 해양 데이터 분석 이론과 컴퓨터 프로그래밍을 활용한 일련의 자료 처리 방법을 중등학교 교육과정 중 해양 데이터 기반 탐구 활동에도 적용한다.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 / 학사
조선공학과 실험의 의미, Arduino사용법, 전기전자 기초, 컴퓨터를 이용한 데이터 축적, 데이터의 통계적 처리실험 방법, 실험오차와 불확실성 해석을 학습하고 유체, 구조, 해양 분야 실험과 그에 따른 실험 프로젝트를 수행한다. 특히 조선해양공학에서 발생할 수 있는 새로운 공학 문제에 대한 창의적인 실험 프로젝트가 후반부 주요 공부내용으로 직접적으로 그룹별 과제 수행과 최종 실험과제 결과물을 이용한 경합을 실시한다.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
탐구에 활용되는 데이터를 수집하는 도구로써 사물인터넷 기반 센서를 활용하는 방법, 그리고 센서로부터 축적된 빅데이터 자료를 활용하는 정보처리 역량을 함양한다. 이와 같은 도구와 역량을 기반으로 하여 탐구 수업에서 활용하는 사례를 실습하면서 탐구 지도 과정을 경험한다.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
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 / 학사
조선해양공학 실험과 각종 해양․음향정보 처리에 사용되는 디지털 신호에 대한 기초적인 이론을 공부하여 이를 바탕으로 실험데이터의 컴퓨터 신호처리와 수중음향신호처리의 실제적인 응용을 다룬다. 추가적으로 본 수업은 MATLAB을 사용한 숙제를 함으로서 자연적으로 MATLAB을 실습하고 익히는 기회로 삼는다.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
본 교과목은 단순한 질의응답을 넘어, 스스로 목표를 설정하고, 도구를 사용하며, 복잡한 과업을 자율적으로 수행하는 ‘에이전트(Agentic)' AI의 설계 원리와 구현 방법론을 심층적으로 다룬다. 기존의 LLM(Large Language Model)이 가진 한계를 극복하고, LLM을 ‘추론 엔진'으로 활용하여 실제 세계와 상호작용하는 지능형 시스템을 구축하는 데 초점을 둔다. 수강생들은 단일 에이전트의 핵심 구성 요소인 사고-행동-관찰(Reasoning-Acting-Observation) 루프, 동적 도구 사용(Tool Use), 장단기 기억(Memory) 메커니즘을 학습한다. 나아가 여러 에이전트가 협력하여 인간의 개입을 최소화하면서 복잡한 문제를 해결하는 멀티 에이전트 시스템(Multi-Agent System)의 설계 패턴(예: 계층적, 협력적)과 통신 프로토콜을 배운다. LangChain, AutoGen, CrewAI와 같은 최신 프레임 워크를 활용한 실습을 통해, 에이전트 아키텍처 설계부터 정교한 프롬프트 체이닝, 실행 루프 구현까지의 전 과정을 경험하며, 차세대 AI 애플리케이션을 개발할 수 있는 실전 역량을 배양하는 것을 목표로 한다.전선 / 학사
데이터에 대한 탐색과 통계적 탐구를 수행하는 방법을 배운다. 데이터의 종류와 특성을 이해하고, 적절한 시각화와 분석을 통해 데이터에 숨은 정보를 찾아내고 근거에 기반을 둔 합리적인 의사결정을 하는 방법을 배운다. 데이터에 존재하는 관계성을 찾아 수학적으로 모델링하는 방법으로써 상관관계의 분석과 회귀분석, 클러스터링 기법 등을 배운다. 데이터를 이용한 통계적 탐구를 지도하는 방법을 배운다.전선 / 학사
“항공드론빅데이터알고리즘”은 드론 기술과 인공지능의 융합을 탐구하는 수업이다. 드론은 자율비행, 데이터 처리, 기계학습 등 다양한 인공지능 기술을 활용하여 복잡한 환경 속에서도 효율적으로 임무를 수행한다. 드론에서 인공지능의 궁극적인 목표는 대량의 데이터를 수집하고, 이를 임무에 맞게 최적화하여 운영하는 것이다. 본 과목에서는 드론이 수집하는 방대한 양의 데이터가 자동화된 방식으로 처리되는 방법을 이해한다. 학생들은 빅데이터 알고리즘의 기본 개념을 배우고, 이를 통해 실질적인 데이터 분석 기법을 습득한다. 특히, 수집된 빅데이터를 활용하여 실제 드론 임무에 적용할 수 있는 사례를 통해 이론과 실무의 연계를 강화한다. 또한, 데이터 분석 과정에서의 도전 과제와 해결책을 모색하고, 최신 기술 동향을 반영하여 학생들이 변화하는 드론 산업에 적응할 수 있도록 돕는다. 궁극적으로, 학생들은 드론의 데이터 분석 역량을 강화하고, 이를 통해 효과적인 의사결정을 내릴 수 있는 능력을 배양한다.전선 / 학사
수많은 기업과 조직들은 머신러닝과 AI를 빅데이터에 적용하여 의사결정을 내리고 가치를 창출하고 있습니다. 하지만 그 과정에서 점점 커져가는 데이터와 점점 복잡해져 가는 알고리즘을 의사결정자인 사람이 이해하는 것이 필수적으로 선행되어야 합니다. 데이터 시각화는 데이터와 알고리즘을 사람이 직관적으로 이해할 수 있도록 도와주는 강력한 도구입니다. 이 수업을 통해 학생들은 다양한 유형의 데이터를 요약하고 시각적으로 표현하여 다른 사람과 효과적으로 커뮤니케이션 할 수 있는 방법들에 대해서 배울 것입니다.전선 / 대학원
본 교과목은 단순히 기존의 가속기를 활용하는 수준을 넘어, 차세대 AI 반도체 분야의 창업 및 핵심 개발에 필요한 맞춤형 AI 추론 엔진 개발 능력을 배양하는 것을 목표로 한다. 이를 위해 최첨단 설계 방법론인‘알고리즘-소프트웨어-하드웨어 통합 설계(Co-design)'에 대한 깊이 있는 이론과 실전 경험을 제공한다. 수강생들은 GPU와 같은 범용 하드웨어의 한계를 이해하고, 특정 LLM 알고리즘에 최적화된 하드웨어를 직접 설계함으로써 전력, 비용, 속도 측면에서 압도적인 경쟁력을 갖춘 엣지 AI 솔루션을 구현하는 방법을 학습한다. 특히, 최신 경량화 기술인 저비트 양자화(Low-bit Quantization) 기법을 알고리즘 단계에서 적용하고, 이를 C++ 기반의 고수준 합성(High-Level Synthesis, HLS)을 통해 FPGA 상에 하드웨어 로직으로 구현하는 전 과정을 실습한다. 최종적으로는 SoC(System on Chip) 환경에서 프로세서(PS)와 프로그래머블 로직(PL)을 연동하여 완전한 LLM 추론 가속 시스템을 구축하는 프로젝트를 통해, 아이디어를 실제 하드웨어 프로토타입으로 구현하는 역량을 완성한다.전선 / 대학원
본 강의에서는 조선해양 분야를 포함한 여러 공학 분야에서 디지털화(digitalization)를 실현하기 위한 요소 기술과 적용, 그리고 적용에 따른 효과를 다양한 외부 전문가의 세미나를 통해 살펴보기로 한다. 예컨대, 컴퓨터에 현실 속 사물의 쌍둥이를 만들고, 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션함으로써 결과를 예측하는 디지털 트윈(digital twin) 기술이나 설계 및 개발, 제조 및 유통 등 제품의 생산 과정에 디지털 자동화 솔루션이 결합된 정보통신기술(ICT)를 적용하여 생산성, 품질, 고객만족도를 향상시키는 스마트 제품(smart product) 및 스마트 팩토리(smart factory) 등의 기술에 대해서 학습하도록 한다. 여러 전문가에 의한 세미나를 통해 디지털화와 관련된 산업계의 최신 기술을 접하게 함으로써 스마트 오션 모빌리티에 대한 학생들의 관심을 유도하도록 한다. 또한, 산업계 전문가가 제시한 현업 문제에 대해 디지털 솔루션을 제시할 수 있는 일종의 IC-PBL (Industry Coupled Project Based Learning)을 의무화 함으로써 학생들의 학업 성취도를 높이고자 한다.