최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
송대연, 김병선
2010 / 멀티미디어 언어교육
Zhang J.,Zhang T.,Zhang G.,Kong M.
2023 / Operational Research
데이터가 존재하지 않습니다.
loading...
본 논문은 자동 전압 조정기(AVR) 시스템에서 PID 제어기의 파라미터를 안정화하기 위해 순위 기반 변이 연산자를 적용한 향상된 고래 최적화 알고리즘(EWOA)을 제안합니다. EWOA는 탐색과 활용을 결합하여 수렴 속도와 계산 정확도를 향상시키며, 다양한 알고리즘과의 비교 실험을 통해 실용성과 유용성을 입증했습니다. 실험 결과, EWOA는 빠른 수렴 속도, 높은 계산 정확도, 짧은 실행 시간 및 우수한 안정성을 보여 AVR 시스템의 PID 제어기 파라미터 최적화에 효과적인 방법임을 확인했습니다.
Meta-heuristic and evolutionary algorithms for engineering optimization
Meta-heuristic and evolutionary algorithms for engineering optimization
Evolutionary algorithms and agricultural systems
Experimental study of active control of mdof structures under seismic excitations
Innovative computing methods and their applications to engineering problems
Evolutionary programming VI : 6th international conference, EP97, Indianapolis, Indiana, USA, April 13-16, 1997 : proceedings
Application of evolutionary algorithms for multi-objective optimization in VLSI and embedded systems
Particle swarm optimisation : classical and quantum perspectives
Computational optimization and applications in engineering and industry
Nature-inspired metaheuristic algorithms
Parallel problem solving from nature-- PPSN III : International Conference on Evolutionary Computation, the Third Conference on Parallel Problem Solving from Nature, Jerusalem, Israel, October 9-14, 1994 : proceedings
Networks of learning automata : techniques for online stochastic optimization
Parallel problem solving from nature-PPSN V : 5th international conference, Amsterdam, The Netherlands, September 1998 : proceedings
Algorithmics : theory and practice
AI and swarm : evolutionary approach to emergent intelligence
Evolutionary multi-criterion optimization : 4th international conference, EMO 2007, Matsushima, Japan, March 5-8, 2007 : proceedings
Evolutionary programming VII : 7th international conference, EP98, San Diego, California, USA, March 25-27, 1998 : proceedings
Adaptive and multilevel metaheuristics
Nature-inspired optimization algorithms
Arabian Journal for Science and Engineering
Luo Q.,Ling Y.,Zhou Y.Journal of The Institution of Engineers (India): Series B: Electrical, Electronics & Telecommunication and Computer Engineering
Kumar, Amit; Suhag, SathansJournal of the Brazilian Society of Mechanical Sciences and Engineering
Loucif, F.; Kechida, S.; Sebbagh, A.Advances in Mechanical Engineering
Rongjie Zhai; Ping Xiao; Rongyun Zhang; Jinyong JuAin Shams Engineering Journal
Mosaad A.M.,Attia M.A.,Abdelaziz A.Y.Nonlinear Dynamics
Zhao X.,Wang X.,Su Y.,Unar S.Mechanics Based Design of Structures and Machines
Kaveh, A.; Ghazaan, M.I.Journal of Control, Automation and Electrical Systems
Mehdi Ramezani; Navid Razmjooy; Mohsen KhalilpourComputers in Biology and Medicine
Nadimi-Shahraki M.H.,Zamani H.,Mirjalili S.Complex and Intelligent Systems
Cao D.,Xu Y.,Yang Z.,Dong H.,Li X.Neural Computing and Applications
Khadanga R.K.,Kumar A.,Panda S.Applied Soft Computing Journal
Qais M.H.,Hasanien H.M.,Alghuwainem S.Journal of Intelligent & Fuzzy Systems
Yu Liu; Yanju Guo; Lei Chen; Huan Shen; Zhilong KangInternational Journal of Aerospace Engineering
Yaxiong Li; Xinwei Zhang; Jiufen Zhao; Xinzhi Yang; Mingyuan XiMultimedia Tools and Applications
Singh H.,Rai V.,Kumar N.,Dadheech P.,Kotecha K.,Selvachandran G.,Abraham A.International Journal of Crashworthiness
Lijun Qian; Luxin Yu; Yuezhu Huang; Ping Jiang; Xianguang GuElectrical Engineering: Archiv für Elektrotechnik
Dawar, Bindra; Arya, Sabha Raj; Chilipi, RajasekharareddyJournal of Intelligent and Fuzzy Systems
Guo Y.,Shen H.,Chen L.,Liu Y.,Kang Z.IEEE Access
Gupta S.,Biswas P.K.,Babu T.S.,Alhelou H.H.Energy Reports
Wenqiang Yang; Zhanlei Peng; Zhile Yang; Yuanjun Guo; Xu Chen전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
계산이론은 컴퓨터공학의 기초학문이며, 중요한 문제에 대한 효율적인 알고리즘들을 소개하고, 그런 알고리즘의 복잡도 분석을 다룬다. 이 교과목에서는 먼저 알고리즘의 성능을 분석하는 기법, 특히 amortized analysis에 대해 배운다. 그리고, 계산이론 분야에서 중요한 알고리즘과 그 응용에 대해 배운다. 구체적으로, (스트링 매칭, 2차원 패턴 매칭, 근사 매칭, suffix trees, 데이터 압축 문제에 대한) 스트링 알고리즘과 bioinformatics에의 응용, (선택 문제, 다항식 확인 문제에 대한) randomized 알고리즘과 그 영향, (페이지 교체 문제, k 서버 문제에 대한) online 알고리즘과 금융문제(일방향 거래와 portfolio 선택 문제)에의 응용을 배운다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 컴퓨팅(C) 분야 첫번째 강좌이다. 본 교과목의 전반부는 C++ 언어 프로그래밍과 C++ 기반 객체 지향 프로그래밍으로 이루어져 있다. (1) C++ 언어의 기초 문법, 클래스의 개념과 사용법, template과 중요한 라이브러리를 학습하고, (2) abstraction, inheritance, polymorphism 등 객체 지향 프로그래밍의 원리를 습득한 뒤, (3) 예제들을 통해 클래스 기반 객체 지향 프로그래밍을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 본 교과목의 후반부는 중급 자료 구조 및 알고리즘과 딥러닝 플랫폼으로 이루어져 있다. (1) 데이터사이언스를 위한 컴퓨팅의 기초 강좌에서 다루지 않은 자료구조 및 정렬 알고리즘 (Quick sort, Radix sort, heap sort), 트리 알고리즘, 그래프 알고리즘 (Dijkstra, Kruskal 등) 등을 습득하고, (2) 배운 자료 구조와 알고리즘들을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 또, (3) Pytorch, TensorFLow 등 널리 사용되는 딥러닝 플랫폼을 학습하고, 동일 학기 수강이 권장되는 머신러닝 및 딥러닝 1(ABC 과정 중 A 분야 첫번째 강좌)에서 배운 딥러닝의 기본 원리들을 직접 구현하고, 이에 더하여 상기 플랫폼을 통해 구현 할 수 있도록 한다.전선 / 대학원
본 강좌에서는 계통 운영과 계획, 시장 연계, 성능평가와 신뢰도 평가 등을 위한 전력계통 분석기법을 소개한다. 전력 계통 예제를 통하여 convex optimization, 동적 최적화, 최적 제어 등에 대한 주요 알고리즘을 소개한다. 본 강의에서는 convex optimization에 대한 interior-point methods, decision theoretic planning, Markov decision processes, 선형 계획법, 동적 계획법, 최적 제어 기법과 비선형 최적화에 대한 최적화 조건과 같은 주제들을 다룬다.전선 / 학사
이 과목은 학부 고학년생들을 대상으로 한 과목으로, 다양한 문제를 효율적으로 해결하기 위한 최적화 기법을 다룬다. 본 강의는 수학적 최적화 이론과 이를 구현할 수 있는 알고리즘을 중심으로 구성되어 있다. 강의의 목표는 학생들이 실제 문제에서 최적화 문제를 정의하고, 적합한 알고리즘을 적용하여 효율적으로 해결할 수 있는 능력을 배양하는 것이다. 주요 토픽으로는 미분과 그래디언트, 괄호법, 국지적 경사, 1계 도함수법, 2계 도함수법, 직접법, 확률적 방법, 모집단 방법, 다중 목적 최적화 등을 포함한다.전필 / 학사
전기,전자분야와 관련된 프로젝트를 수행한다. 디자인에서부터 기술적인 보고서 제작에 이르기까지 적절한 모든 과정들을 수행할 것이다. 프로젝트는 학생이나 교수진에 의해 주어진다. 프로젝트의 성공적인 완료를 위해서는 제작품에 대한 자세한 설명과 자세한 결과 보고와 프리젠테이션이 필요하다.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 과목은 유한 차원 및 무한 차원 벡터 공간에서의 최적화를 통합적으로 다루며, 최적화와 머신러닝 사이의 상호작용에 중점을 둔다. 최적화 알고리즘은 머신러닝의 핵심 역할을 하며 (예: 주어진 데이터셋으로부터 모델을 학습시킬 때) 동시에 고차원 최적화 문제를 풀기 위해 머신러닝 모델이 최근 많이 활용되고 있다 (예: 물리 시스템의 지배 방정식을 무한 차원 최적화 문제의 해로 재구성한 다음, 머신러닝 알고리즘을 사용하여 이에 수반되는 고차원 최적화 문제를 해결하려는 시도). 본 과목에서는 머신러닝 분야에서 필요로 하는 최적화 이론 및 알고리즘과 동시에, 복잡한 최적화 문제를 풀 수 있는 머신러닝 기법들에 대해 심도있게 다룬다.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
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
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.전필 / 학사
Man-Machine-Computer-Environment의 total integrated system effectiveness를 향상시키기 위한 human capability, limiting function, performance output의 측정, 변수의 선정, 분석, 평가, 개선을 위한 설계과정을 심리학, 사회학, 생리학, 역학 등의 방법론을 동원하여 훈련한다. 위의 목적을 이루기 위한 방안으로서 input 기능과 신뢰도, information processing 기능과 측정, output의 분석 및 주위환경의 변화가 인간성능에 미치는 내용을 주요 강의 내용으로 구성한다.전선 / 대학원
수치해석적 해석방법과 최적화 이론을 도입한 전기기기의 최적설계 과정을 다룬 과목이다. 최적화 기초 이론으로 여러 가지 결정론적 탐색법 및 절대최소점 탐색 알고리즘을 다룬다. 그리고 등가 자기 회로법을 이용한 설계 방법이 다루어지며, 설계 민감도 해석, 유한요소법 및 경계요소법을 이용한 알고리즘들을 응용하여 최적 설계하는 방법들이 다루어진다.전선 / 학사
최적화 방법 및 이의 계산은 과학, 공학, 산업에서 매우 중요하게 사용되고 있다. 변수 최적화 또는 역문제들은 근본적인 불안정성으로 인하여 실제계산에서 목적과는 다른 해를 찾게 되는 경우가 비일비재하다. 이러한 문제를 극복하기 위하여 특별히 수학적인 엄밀한 이론을 습득해야할 필요가 있다. 이를 바탕으로 수렴성 및 안정성에 대한 엄밀한 수학적 분석을 기초로 한 수치계산법을 본 과목에서 강의하고자 한다.전선 / 학사
생명체는 현대 기계 및 전기 시스템에서 관찰되는 시간적 및 공간적 정밀도에 필적하거나 종종 능가하는 고도로 복잡하지만 조화로운 역학을 보인다. 이 강좌에서는 생물학적 현상에 적용되는 모델링과 제어 이론의 기본 원리를 탐구한다. 학생들은 수학적 모델, 실험 데이터 및 전산 시뮬레이션을 통합하여 생물학적 시스템의 제어 전략을 식별, 분석 및 설계하는 방법을 배우게 된다. 피드백 제어, 시스템 식별, 확률론적 모델링 및 생체 계측과 같은 주제를 다룰 예정이며, 기계 공학 원리를 사용하여 생명체의 복잡한 역학을 효과적으로 탐색하는데 필요한 지식과 기술을 학생들에게 제시한다.전필 / 학사
Man-Machine-Computer-Environment의 total integrated system effectiveness를 향상시키기 위한 human capability, limiting function, performance output의 측정, 변수의 선정, 분석, 평가, 개선을 위한 설계과정을 심리학, 사회학, 생리학, 역학 등의 방법론을 동원하여 훈련한다. 위의 목적을 이루기 위한 방안으로서 input 기능과 신뢰도, information processing 기능과 측정, output의 분석 및 주위환경의 변화가 인간성능에 미치는 요인들에 대한 실험으로 구성한다.전선 / 대학원
오늘날의 많은 경영의사결정은 해당 의사결정이 경영활동의 어떤 기능과 관계되는가와 상관없이 통계학과 경영과학에서 제시된 계량적 모형을 이용한 분석을 바탕으로 이루어지고 있다. 본 과목은 통계학과 경영과학의 최적화 과정에 대한 학생들의 기초적인 이해를 높이기 위해서 제시되었는데, 특히 가장 일반적으로 사용되는 MS/OR과 통계적 방법론에 대한 이해와 컴퓨터 프로그램을 이용해서 이러한 방법론들이 어떻게 실행되는가에 대해서 초점을 두고 있다. 본 과목을 통해서 학생들은 여러 가지 통계적 보고서를 평가하고, 이를 경영활동에 활용하는 능력을 가지게 될 것이며, 오늘날의 경영활동에서 기본적인 수단이 되는 통계적 방법론에 대한 기술을 배양하고, 경영환경에 대한 간단한 모형화를 통해 MS/OR과 통계적 방법론들이 얼마나 다양하게 활용되는가를 이해하게 될 것이다.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
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.