최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Hilbig A.,Vogt L.,Holtzhausen S.,Paetzold K.
2023 / Journal of Computational Design and Engineering
데이터가 존재하지 않습니다.
loading...
본 연구는 적층 제조에서 기하학적 특징을 자동으로 인식하기 위해 부호 거리장 데이터를 사용하는 3차원 컨볼루션 신경망 기반 접근 방식을 제안합니다. 이는 CAD-CAM 링크에서 발생하는 데이터 손실 문제를 해결하고, 적응형 슬라이싱 및 도구 경로 생성에 필요한 기하학적 정보를 활용하여 제조 속도와 품질을 향상시키는 것을 목표로 합니다. 제안된 방법은 기존 방식과 유사한 정확도를 달성하며, 미세한 표면 인스턴스 인식 및 개별 기하학 기반 해치 생성을 가능하게 합니다.
Discrete geometry for computer imagery : 6th international workshop, DGCI '96, Lyon, France, November 13-15, 1996 : proceedings
Computer vision, ECCV '94 : third European Conference on Computer Vision, Stockholm, Sweden, May 2-6, 1994 : proceedings
Three-dimensional object recognition systems
Computer vision - ECCV 90
Image analysis and processing : 8th international conferenc, ICIAP '95San Remo, Italy, September 13-15, 1995 : proceedings
Computer analysis of images and patterns : 7th International Conference, CAIP'97 : Kiel, Germany, September 10-12, 1997 : proceedings
Image analysis and processing : 9th international confernece, ICIAP '97, Florence, Italy, September 17-19, 1997 : proceedings
Computer vision--ECCV '92 : Second European Conference on Computer Vision, Santa Margherita Ligure, Italy, May 19-22, 1992 : proceedings
Computer analysis of images and patterns : 5th International Conference, CAIP '93, Budapest, Hungary, September 13-15, 1993 : proceedings
Advances in multiresolution for geometric modelling
Computer vision, ACCV'98 : Third Asian Conference on Computer Vision, Hong Kong, China, January 1998 : proceedings
Shape in picture : mathematical description of shape in grey-level images
Elements of dimensionality reduction and manifold learning
Advances in pattern recognition : joint IAPR International Workshops SSPR'98 and SPR'98, Sydney, Australia, August 11-13, 1998, proceedings
Efficient 3d scene modeling and mosaicing
Engineering applications of bio-inspired artificial neural networks ; International Work-Conference on Artificial and Natural Neural Networks, IWANN'99, :proceedings
Image processing of edge and surface defects
Computational geometry and its applications
Advances in structural and syntactical pattern recognition : 6th international workshop, SSPR '96, Leipzig, Germany, August 20-23, 1996, proceedings
International Journal of Pattern Recognition and Artificial Intelligence
Yucong Shen; Frank Y. Shih; Xin Zhong; I-Cheng ChangJournal of Intelligent Manufacturing
Wang, M.; Wang, Y.; Tang, H.; Chen, Y.; Yin, L.IEEE Robotics and Automation Letters
Peixuan Li; Huaici ZhaoIEEE Robotics and Automation Letters
Li P.,Zhao H.Multimedia Tools and Applications
Han L.,Lan P.,Shi X.,Wang X.,He J.,Li G.Journal of Manufacturing Systems
Ning F.,Shi Y.,Cai M.,Xu W.,Zhang X.Journal of Manufacturing Systems
Ning F.,Shi Y.,Cai M.,Xu W.,Zhang X.Computers and Mathematics with Applications
Korshunova N.,Jomo J.,Lékó G.,Reznik D.,Balázs P.,Kollmannsberger S.Journal of Computing and Information Science in Engineering
Farzad Vatandoust; Xiaoliang Yan; David Rosen; Shreyes N. MelkoteJournal of Mechanical Design
Herzog, Vencia D.; Suwelack, StefanJournal of Computing and Information Science in Engineering
Angrish A.,Bharadwaj A.,Starly B.International Journal of Advanced Manufacturing Technology
Li R.,Jin M.,Pei Z.,Wang D.Procedia CIRP
Schönhof, Raoul G.C.; Fechter, Manuel2021 IEEE/CVF INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV 2021)
Wong, Chi-Chong; Vong, Chi-ManJournal of Mathematical Imaging and Vision
Lambert, Zoé; Le Guyader, CaroleACM Transactions on Graphics
Matveev A.,Rakhimov R.,Artemov A.,Bobrovskikh G.,Egiazarian V.,Bogomolov E.,Panozzo D.,Zorin D.,Burnaev E.Neural Computing and Applications
Mohd Shahrizal Sunar; Hoshang Kolivand; Saba Joudaki; David TullyNeural Computing and Applications
Kolivand H.,Joudaki S.,Sunar M.S.,Tully D.International Journal of Intelligent Systems
Xue B.,He Y.,Jing F.,Ren Y.,Jiao L.,Huang Y.Journal of Physics: Conference Series
Xuezhen Li; Zhehan Chen; Xiao Lu; Ning Zhao전선 / 대학원
컴퓨터그래픽스 전반에 걸쳐 기본적인 개념들을 설명한다. 컴퓨터 그래픽스의 기본적인 렌더링 파이프라인, 물체들을 표현하는 여러 가지 방법, 빛을 나타내는 방법, 레이트레이싱, 볼륨렌더링 등의 특수한 렌더링 방법, 그림자나 질감을 나타내는 방법에 대해서 개론 형식으로 강의한다.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
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
인공지능 기술은 머신러닝(Machine Learning) 보다 한단계 발전한 딥러닝(Deep Learning)이 널리 사용되고 있다. 딥러닝은 컴퓨터가 스스로 데이터를 분석해 특징을 추출하고 학습함으로써 인공지능의 성능을 크게 발전시켰다. 또한, 생성형 인공지능 모델은 사람처럼 자연스러운 대화의 생성을 가능케 함으로써 인공지능 기술을 더욱 발전시키고 있다. 본 강좌에서는 인공지능과 딥러닝에 대한 개요를 설명하고, 생성형 인공지능 기술을 소개한다. 인공지능 프로그래밍을 위한 프레임워크를 습득하고, 이를 활용한 기초 인공지능 프로그래밍을 실습한다. 또한, 생성형 인공지능 모델을 활용하여 인공지능 응용을 프로그래밍하는 방법을 소개한다. 딥러닝의 주요 응용 분야인 객체 인식용 인공지능 모델을 이해하고, 학습을 위한 데이터셋을 자동으로 생성하는 방법을 실습한다. 인공지능반도체를 내장한 하드웨어 보드를 사용하는 방법을 실습한다. 다양한 입력과 출력을 제어하는 프로그래밍을 학습하고, 인공지능 가속기를 활용하여 인공지능 모델을 실행하는 프로그래밍을 실습한다. 고성능의 GPU를 활용하기 위한 프로그래밍 환경을 이해하고, GPU 프로그래밍의 개념과 실습을 통해 GPU의 구조에 대해 학습한다. 마지막으로, 각 단원에서 배운 내용을 기반으로 프로젝트 형식으로 구현한다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 대학원
이 과목은 (1) 비전통적 방식의 특수제조공정 및 적층가공 등 다양한 첨단제조공정에 대한 포괄적인 이해, (2) 각 공정에 적용되는 기본적인 물리 현상, 재료 과학 및 공정 모델에 대한 학습, (3) 첨단제조공정을 이용한 기존 및 새로운 응용 분야에 대한 소개를 그 목적으로 한다. 가공 정밀도를 평가하는 주요 정밀계측법에 대해 소개하고 연삭가공, 초음파가공, 레이저빔가공, 전해가공, 방전가공, 이온/전자빔가공 등 특수가공 공정에 대해 학습한다. 또한 다양한 방식의 적층가공 기술에 대해 학습하고 각 방법의 특성 및 활용범위, 한계에 대해 논의한다. 인공지능을 이용한 공정변수 최적화 방안 및 네트웍으로 연결되어있는 제조공정 생태계에서 첨단제조공정의 활용방안에 대해 논의한다.전선 / 학사
본 교과목은 기계학습과 딥러닝 기술의 학문적 기반을 바탕으로 화학생물공학 분야의 복잡한 문제 해결을 위한 기법을 익히기 위한 과목이다. 이 과목에서 지도 및 비지도 학습, 의사결정트리, 선형 회귀, 로지스틱 회귀, 신경망, 재료 개발, 열역학, 반응공학, 이동현상, 그리고 공정 최적화의 응용을 다룬다. 또한 최종 프로젝트를 통해 실제 문제를 해결하는 데 필요한 이러한 기술을 적용하는 것을 강조하며, 도메인 지식을 활용하여 효과적인 모델을 개발하는 방법을 학습할 수 있도록 유도할 예정이다. 수업의 선행 조건으로 화학생물공학의 기본적인 지식과 Python 프로그래밍 경험이 필요하며. 강의 내용을 바탕으로 학생들이 화학생물공학에서 빠르게 진화하는 인공지능 분야의 선도자가 될 수 있는 역량 강화에 목표를 둔다.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
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
기계시스템, 생산, 제품과 관련한 정밀 측정 및 비젼 검사 기술에 대해서 강의한다. 주요내용으로, Dimensional metrology, Machine metrology, 머신비젼, 디지탈 영상처리, 2D/3D 측정기술, Interferometry, SPM 등을 이용한 3차원 나노미터 측정기술에 대해서 강의한다.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
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 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
인간과 같은 구조와 원리로 인간지능을 재현해 내는 인공지능 기술의 발달로 그간 자동화와 전산화의 영역의 밖이었던 제조 영역 곳곳에 혁신을 가져올 것으로 기대되고 있다. 본 과목은 제품의 제조에 있어 인공지능 기술을 어떻게 활용할 수 있는지 그 근본 원리와 가능성 그리고 한계에 대해 이해하는 것을 목표로 한다. 이를 위해 제품 검사, 예측과 유지보수 뿐만이 아니라, 제품 설계, 재료 발견 및 설계, 지능기반 제조기계를 포함하는 제조 흐름마다의 현장 수요와 문제점, 그리고 그 문제를 해결할 수 있는 구체적 기술을 이론과 실제 제조 공정의 사례와 데이터로 익히게 된다.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 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 / 학사
빅데이터는 실세계에서 일어나는 복잡한 문제를 해결하기 위한 통찰력을 제공한다. 이 과목은 빅데이터를 소개하며, 데이터 가공, 분석 및 시각화를 위한 프로그래밍 언어 (Python), 데이터 분석을 위한 통계 및 머신러닝 방법 등을 가르친다. 실습 및 프로젝트를 통해서 학생들이 실제 데이터를 분석할 수 있는 능력을 배양한다. 데이터 중심의 컴퓨팅, 정량적 사고와 추론, 탐색적 데이터 분석에 대한 강조를 통해 이 과목에서는 데이터 과학의 핵심 원리와 기술을 다룰 것이다.전선 / 학사
본 수업에서는 패러메트릭 디자인 프로세스와 3차원 공간의 기하학적 원리에 대한 이해를 바탕으로 알고리드믹 모델링 툴인 그래스호퍼3D를 통해 생성적 조형을 실험한다. 이렇게 도출된 조형을 다양한 디지털 패브리케이션 전략을 통해 실제로 제작하고 구현함으로써 통합된 디지털 기반 디자인의 생성적 조형의 가능성을 극대화 한다.