최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Ha J.H.,Lee H.
2023 / Remote Sensing
데이터가 존재하지 않습니다.
loading...
본 연구는 다중 시간 광학 흐름 필드와 조건부 생성적 적대 신경망(cGAN)을 활용하여 강수 예측 정확도를 향상시키는 방법을 제안합니다. 3년간의 한국 기상청 레이더 데이터를 사용하여 모델을 훈련하고, 정성적 및 정량적 방법을 통해 예측 성능을 평가했습니다. 결과적으로, 다중 시간 광학 흐름을 적용한 모델은 강수 필드의 비선형 운동 예측 정확도를 높였으며, cGAN 구조를 통해 정확도를 더욱 향상시킬 수 있었습니다.
Measuring precipitation from space : EURAINSAT and the future
Trends and Advances in Information Systems and Technologies : Volume 3
Satellite rainfall applications for surface hydrology
River restoration : managing the uncertainty in restoring physical habitat
Spatiotemporal analysis of extreme hydrological events
Precipitation : advances in measurement, estimation, and prediction
Hydrological modelling and the water cycle : coupling the atmospheric and hydrological models
Integration of computer modeling and field observations in geomorphology : Binghamton geomorphology symposium 2000
Precipitation science : measurement, remote sensing, microphysics, and modeling
Distributed hydrologic modeling using GIS
Hydrometeorology
Handbook of neural computation
Statistical downscaling for hydrological and environmental applications
Cloud-resolving modeling of convective processes
Rainfall-runoff modelling : the primer
New uncertainty concepts in hydrology and water resources
Applied drought modeling, prediction, and mitigation
Geoscientific Model Development
Choi S.,Kim Y.Geoscientific Model Development
Ji Y.,Gong B.,Langguth M.,Mozaffari A.,Zhi X.Journal of Hydrology
Ryu S.,Lyu G.,Do Y.,Lee G.W.Mathematical Problems in Engineering
Xiang Y.,Ma J.,Wu X.Atmospheric Research
Nielsen J.M.,Rasmussen M.R.,Thorndahl S.,Vester I.K.,Ahm M.K.S.,Nielsen J.E.Remote Sensing
Xu L.,Niu D.,Zhang T.,Chen P.,Chen X.,Li Y.ATMOSPHERE
Franch, Gabriele; Nerini, Daniele; Pendesini, Marta; Coviello, Luca; Jurman, Giuseppe; Furlanello, CesareIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
Yao S.,Chen H.,Thompson E.J.,Cifelli R.Physics of Fluids
Cheng M.,Fang F.,Navon I.M.,Pain C.C.Nature
Piotr Mirowski; Remi Lam; Maria Athanassiadou; Sam Madge; Suman V. Ravuri; Aidan Clark; Megan Fitzsimons; Sheleem Kashem; Rachel Prudden; Andrew Brock; Alberto Arribas; Amol Mandhane; Dmitry Kangin; Raia Hadsell; Shakir Mohamed; Niall H. Robinson; Ellen Clancy; Karel Lenc; Matthew Willson; Karen SimonyanIEEE Transactions on Geoscience and Remote Sensing
Wang R.,Su L.,Wong W.K.,Lau A.K.H.,Fung J.C.H.IEEE Transactions on Geoscience and Remote Sensing
Dong X.,Zhao Z.,Wang Y.,Wang J.,Hu C.NATURE
Athanassiadou, Maria; Kashem, Sheleem; Madge, Sam; Prudden, Rachel; Mandhane, Amol; Clark, Aidan; Brock, Andrew; Simonyan, Karen; Hadsell, Raia; Robinson, Niall; Clancy, Ellen; Arribas, Alberto; Mohamed, Shakir; Ravuri, Suman; Lenc, Karel; Willson, Matthew; Kangin, Dmitry; Lam, Remi; Mirowski, Piotr; Fitzsimons, MeganForecasting
Marrocu M.,Massidda L.Geoscientific Model Development
Ayzel G.,Heistermann M.,Winterrath T.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of, IEEE J. Sel. Top. Appl. Earth Observations Remote Sensing
Wang, L.; Wang, Z.; Hu, W.; Bai, C.Journal of Hydrology
Pirone D.,Cimorelli L.,Del Giudice G.,Pianese D.Monthly Weather Review
Chung K.S.,Yao I.A.IEEE Transactions on Geoscience and Remote Sensing
Kim Y.,Hong S.Journal of Computer Science and Technology
Yan, Bi-Ying; Yang, Chao; Chen, Feng; Takeda, Kohei; Wang, Changjun전선 / 학사
일기와 관련한 지구상 각 지역의 특징적인 기상 현상을 설명한다. 특히 동아시아지역의 몬순, 중위도 고·저기압계, 태풍, 강수를 다룬다. 컴퓨터를 이용한 기본 일기도의 작성과 분석을 실험하며 기본 일기도를 이용하여 보조 일기도의 작성한다. 강의에서 다룬 일기계의 실제 예보법을 습득하고 일기예보 브리핑을 수행한다.전선 / 대학원
대기과학연구에 필수적으로 이용되는 대기 전지구 모델 및 일기예보 모델의 근간을 구성하는 대기역학 코어 및 자료동화 시스템에 이용되는 다양한 수치적인 방법들을 공부한다. 실습시간에는 실제 현업 모델 혹은 단순화된 현업 모델을 이용하여, 대기역학 코어 및 자료동화 시스템이 실제 기상현상의 수치모의에 있어 어떻게 이용되는지 연습할 수 있는 기회를 갖는다.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
중위도 지방 저기압의 형성, 발달 및 소멸 과정을 강의한다. 전선 형성의 원리와 상층 제트 스트림과의 관계를 설명한다.저기압과 강수 형성 기구의 역학을 알아본다.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 강좌는 다양한 머신러닝기법을 활용한 기후환경데이터 분석 방법을 소개한다. Linear regression, Logistic regression, Support Vector Machine (SVM), Random Forest, XGBoost, LightGBM 등과 같은 지도 학습 기법에 더불어,K-mean clustering, Principal Component Analysis, Singular Value Decomposition,Self-Organizing Map (SOM) 등의 비지도 학습 머신러닝 기법들의 구동 원리를 파악할 수 있는 이론 강의와, 이 중 일부를 활용한 실습 과정으로 구성된다. 다양한 머신러닝 기법 기반의 데이터 분석 방법을 비교함으로서 머신러닝 기법들의 장단점을 파악할 수 있도록 한다.전선 / 대학원
본 과목은 박사과정 대상의 도시환경 분석 모형과 데이터 시각화 심화 과정이다. 통계 모형 방법은 도시설계와 조경학을 포함한 다양한 학문 분야의 연구에서 광범위하게 이용되고 있다. 최근에는 빅데이터를 활용한 고급 모델링 기법이 개발 및 적용되고 있으며, 데이터 시각화 분석을 통한 분석과 해석의 고도화가 이루어지고 있다. 본 과정에서는 이러한 고급 모형 중 도시환경 분야에 적합한 공간회귀모형, 다층모형, 시계열 모형을 다룬다. 학생들이 이 모형들을 이용한 연구과제를 수행하며, 데이터 시각화를 통해 도시 및 조경 관련 의사결정에 관련된 함의를 도출하는 과제를 수행한다. 본 과목을 수강하기 위해서는 기초 통계 모형(OLS, Logistic Model)에 관한 이해가 필수적으로 요구된다.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 / 대학원
본 과목은 박사과정 대상의 도시환경 분석 모형과 데이터 시각화 심화 과정이다. 통계 모형 방법은 도시설계와 조경학을 포함한 다양한 학문 분야의 연구에서 광범위하게 이용되고 있다. 최근에는 빅데이터를 활용한 고급 모델링 기법이 개발 및 적용되고 있으며, 데이터 시각화 분석을 통한 분석과 해석의 고도화가 이루어지고 있다. 본 과정에서는 이러한 고급 모형 중 도시환경 분야에 적합한 공간회귀모형, 다층모형, 시계열 모형을 다룬다. 학생들이 이 모형들을 이용한 연구과제를 수행하며, 데이터 시각화를 통해 도시 및 조경 관련 의사결정에 관련된 함의를 도출하는 과제를 수행한다. 본 과목을 수강하기 위해서는 기초 통계 모형(OLS, Logistic Model)에 관한 이해가 필수적으로 요구된다.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 / 학사
기후변화로 인한 재난(홍수, 폭염 등)을 그린인프라를 활용하여 저감하는 기초이론 및 설계기법을 학습한다. 도시홍소와 관련된 수문학적 개념을 이해하고, SWMM(Storm Water Management Model)을 이용한 근거기반의 그린인프라계획 및 설계법을 학습한다. 또한 도시열섬의 개념과 대응 방안을 학습하고, 전산유체역학을 활용한 그린인프라와 그레이인프라의 상호작용 분석 및 도시에 최적화된 인프라설계를 실습한다.전선 / 학사
일기나 기후에서 대기 관측은 현상 분석뿐만 아니라 예보 및 예측을 위해서는 필수적인 요소이다. 이 과목에서는 온도, 기압, 습도, 바람 등 기상요소의 지상 및 상층 직접 관측의 원리와 측정기기 그리고 분석 방법에 대해 학습한다. 또한, 관측의 중요성이 증대하는 위성, 기상 레이다, 라이다 및 대기복사 관측의 기본 원리 및 활용의 예를 공부한다. 두 시간을 실험 시간으로 할애하며 실험은 직접적인 기기의 조작이나 견학, 관측자료의 분석을 통해 실시한다.전선 / 대학원
선형시스템의 최적추정자인 칼만필터를 기본으로 하여 모델의 불확실성을 고려한 적응필터 및 강인필터, 계산량을 줄이기 위한 슈미트필터, 다양한 측정치에 대한 내고장을 높이기 위한 분산필터를 소개한다. 또한 비선형 모델에 대한 확장칼만필터를 기반으로 최근에 많은 연구가 되고 있는 무향 칼만필터 (Unscented Kalman Filter)에 대한 특성을 분석한다. 마지막으로 상태변수가 정규분포를 가지지 않을 때 최적의 필터로 최근에 각광을 받고있는 다양한 입자필터 (Particle Filter)를 소개한다. 수업에서 소개된 필터는 INS/GPS 결합시스템과 레이더 추적문제에 적용한다.전선 / 대학원
환경 및 인체 위험을 최소화할수 있는 국토환경 조성을 위한 개념과 기술, 설계 및 시공 기법을 포괄하는 녹색복원 기법에 대한 내용을 소개한다. 세부내용은 자연상태로부터 현저히 저하되거나 회복탄력성을 상실한 지역 또는 대상에 적용가능한 생태복원 기법과 개발로 인해 유발되는 환경 유해요인을 감소시키거나 상쇄시키기 위한 친환경적인 기술 또는 공법을 다루는 저영향개발 기법으로 나누어 진다. 이 강의는 녹색복원의 기본개념에대한 강의, 각분야별 전문가의 특강과 현장견학 및 실습으로 이루어 진다. 이 강의를 통해 녹색복원 분야의기초지식 및 응용능력을 갖춘 전문인력 양성을 목표로 한다.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 대학원
환경 및 인체 위험을 최소화할수 있는 국토환경 조성을 위한 개념과 기술, 설계 및 시공 기법을 포괄하는 녹색복원 기법에 대한 내용을 소개한다. 세부내용은 자연상태로부터 현저히 저하되거나 회복탄력성을 상실한 지역 또는 대상에 적용가능한 생태복원 기법과 개발로 인해 유발되는 환경 유해요인을 감소시키거나 상쇄시키기 위한 친환경적인 기술 또는 공법을 다루는 저영향개발 기법으로 나누어 진다. 지능형 환경감시 모니터링 및 예측관리를 위한 환경 빅데이터 분석 또한 이론 및 실습교육을 통해 제공된다. 이 강의는 녹색복원의 기본개념에 대한 강의, 각분야별 전문가의 특강과 현장견학 및 실습으로 이루어 진다. 이 강의를 통해 녹색복원 분야의기초지식 및 응용능력을 갖춘 전문인력 양성을 목표로 한다.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
기후환경데이터의 기본적인 특성을 이해하고, 다양한 기후환경 현상들의 특성 변동 및 변화를 분석/예측하기 위한 다양한 딥러닝 기법의 원리를 학습하고 실습한다. Feed-forward Neural Networks, Convolutional Neural Network, Long-Short Term Memory, Generative Adversarial Networks, Vision Transformer 등 딥러닝 기법의 작동 원리와, 해당 기법들의 기후환경데이터에의 적용 예시를 학습한다. 실습과 소규모 프로젝트를 통한 기후환경데이터에의 딥러닝 기법의 적용을 통해 기후환경분야 공공기관 및 연구소에서 요구하는 자료분석 능력을 습득한다.전선 / 대학원
기후환경데이터의 기본적인 특성을 이해하고, 다양한 기후환경 현상들의 특성 변동 및 변화를 분석/예측하기 위한 다양한 딥러닝 기법의 원리를 학습하고 실습한다. Feed-forward Neural Networks, Convolutional Neural Network, Long-Short Term Memory, Generative Adversarial Networks, Vision Transformer 등 딥러닝 기법의 작동 원리와, 해당 기법들의 기후환경데이터에의 적용 예시를 학습한다. 실습과 소규모 프로젝트를 통한 기후환경데이터에의 딥러닝 기법의 적용을 통해 기후환경분야 공공기관 및 연구소에서 요구하는 자료분석 능력을 습득한다.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.