최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
최훈; 김정한
2014 / Journal of Applied Biological Chemistry
정현교, 김유곤, 김대호, 임진웅, 김용화, 강덕, 정회준, 신경문, 신동훈, 양재우, 오지훈
2021 / 척추신경추나의학회지
Choi, Chul Won; Bang, Soo-Mee; Jang, Seongsoo; Jung, Chul Won; Kim, Hee-Jin; Kim, Ho Young; Kim, Soo-Jeong; Kim, Yeo-Kyeoung; Park, Jinny; Won, Jong-Ho
2015 / The Korean Journal of Internal Medicine
데이터가 존재하지 않습니다.
loading...
본 연구는 노인 및 장애인을 위한 식사보조 로봇의 지능적인 상호작용을 위해 사용자의 식사 의도를 실시간으로 인식하는 시스템을 개발했습니다. 딥러닝 기반으로 6가지 시선 방향에 따른 음식 선택 사용자 인터페이스를 구현했으며, 상용 태블릿에 설치 가능한 경량 객체 검출 딥러닝 모델의 정확도는 0.9857로 나타났습니다.
Machine learning and robot perception
Object detection with deep learning models : principles and applications
Artificial neural networks in food processing : modeling and predictive control
10가지 프로젝트로 끝내는 트랜스포머 활용 가이드 with 파이토치 : 가볍게 시작하는 허깅페이스 트랜스포머 실전 강의
글로벌 식품, 외식산업의 푸드테크 기술개발 동향과 사업화 전략(2022)
카이스트 미래전략 2021 : 위드 코로나: 달라진 세상, 새로운 기회
Intelligent assistive bobots: recent advances in assistive robotics for everyday activities:
딥메디슨 : 인공지능, 의료의 인간화를 꿈꾸다
Robust vision for vision-based control of motion
푸드테크 산업분석보고서
Proceedings of the International Conference on Data Engineering and Communication Technology : ICDECT 2016
식품미래기술, 푸드테크 산업분석보고서
Sensory shelf life estimation of food products
Artificial intelligence for sustainable development : theory, practice and future applications
로봇 UX : 소셜 로봇 디자인 이야기
식품·외식산업과 ICT기술의 융복합체인,푸드테크 사업화 동향과 기술개발 전략
2022 식품미래기술, 푸드테크 산업분석보고서
Social Robotics : 8th International Conference, ICSR 2016, Kansas City, MO, USA, November 1-3, 2016 Proceedings
텐서플로우 2와 케라스를 이용한 고급 딥러닝 : DL, GAN, VAE, 심층 RL, 비지도 학습, 객체 감지 및 분할 등 적용
Journal of Institute of Control, Robotics and Systems
Kwang-Eun Ko; Hyun Ji Park; Inhoon JangPublic Health Nutrition
Jia W.,Li Y.,Qu R.,Baranowski T.,Burke L.E.,Zhang H.,Bai Y.,Mancino J.M.,Xu G.,Mao Z.H.,Sun M.IEEE Journal of Biomedical and Health Informatics
Rouast P.V.,Adam M.T.P.IEEE reviews in biomedical engineering
Konstantakopoulos FS; Georga EI; Fotiadis DIJournal of Medical Internet Research
Zhang B.,Deng K.,Shen J.,Cai L.,Ratitch B.,Fu H.,Guan Y.Computer Vision and Image Understanding
Furtado P.,Caldeira M.,Martins P.Advances in Nutrition
Dalakleidi K.V.,Papadelli M.,Kapolos I.,Papadimitriou K.Public Health Nutrition
Yuecheng Li; Lora E. Burke; Ruowei Qu; Tom Baranowski; Guizhi Xu; Juliet Mancino; Wenyan Jia; Yicheng Bai; Zhi-Hong Mao; Hong Zhang; Mingui SunApplied Sciences (Switzerland)
Dai Y.,Park S.,Lee K.IEEE Transactions on Neural Systems and Rehabilitation Engineering
Li M.,Zhong B.,Lobaton E.,Huang H.NUTRIENTS
Kassem, Hanin; Beevi, Aneesha Abida; Basheer, Sondos; Lutfi, Gadeer; Cheikh Ismail, Leila; Papandreou, DimitriosMultimedia Tools and Applications
Gilal N.U.,Al-Thelaya K.,Al-Saeed J.K.,Abdallah M.,Schneider J.,She J.,Awan J.H.,Agus M.JMIR Aging
Pfisterer K.,Amelard R.,Boger J.,Keller H.,Chung A.,Wong A.Wireless Networks
Xiong J.,Zhu L.,Ye L.,Li J.Advanced Robotics
Ayaka Fujii; Kei Okada; Masayuki InabaAdvanced Robotics
Mori, Y.; Fukada, H.; Kameda, E.; Shimada, N.; Matsuo, T.; Shen, W.; Wang, Z.; Hirai, S.; Matsuo, T.; Masuoka, H.; Sugimoto, C.IEEE Access
Alahmari S.S.,Salem T.IEEE Transactions on Services Computing, Services Computing, IEEE Transactions on, IEEE Trans. Serv. Comput.
Liu, C.; Cao, Y.; Luo, Y.; Chen, G.; Vokkarane, V.; Yunsheng, M.; Chen, S.; Hou, P.IEEE Open Journal of Engineering in Medicine and Biology
Konstantakopoulos F.S.,Georga E.I.,Fotiadis D.I.Food chemistry
Zhao Z; Wang R; Liu M; Bai L; Sun Y전필 / 학사
첨단융합학부 학생의 전공탐색을 위한 과목으로, 융합데이터과학의 핵심 개념과 다양한 응용 분야를 소개하여 향후 전공선택에 필요한 필수적인 정보를 제공한다. 특히, 융합데이터과학 분야에서 진행되는 첨단연구와 연구의 실제 응용 사례를 직접 체험하여, 자신의 전공 적성을 좀 더 구체적으로 알아보고 설계할 수 있는 기회를 제공한다.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 / 대학원
식품의 가공 및 소화 등에 관련된 분자생물학 기반 식품유전체학 및 식품마이크로바이옴 기술을 심도 있게 학습할 예정이며, 식품생물정보학 분석 기술 학습을 통하여 식품의 소화 및 대사를 유전체학 및 마이크로바이옴 수준에서 이해하고자 함. 또한 최신 식품유전체 및 식품마이크로바이옴 연구결과를 공유함으로써 그 활용도 및 해석방법을 학습하여 관련 연구에 도움을 주고자 함전선 / 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 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 / 학사
인공신경망의 원리와 종류를 살펴보고 그 동작을 이해한다. 이를 기반으로 딥러닝 네트워크의 원리를 공부하고 설계하여 그 동작을 이론과 실습을 통해 이해한다. 또한 응용 분야에 따른 다양한 딥러닝 네트워크를 알아보고 학습과 검증 과정을 통해 설계 및 응용분야에 적용하는 예제를 공부한다.전선 / 대학원
치과의료는 4차 산업혁명 기술과의 융합을 통해 디지털 덴티스트리(Digital dentistry) 기술로 발전이 가속화되고 있음. 환자의 디지털 파노라마 영상, 콘빔CT(CBCT) 영상, 3D 구강스캔 및 3D 안면스캔 등의 디지털 데이터를 획득(Scanning), 계획(Planning)/시뮬레이션(Simulation)과 즉시적 디지털 제작(Direct Digital Manufacturing, DDR) 과정을 거쳐서 치과환자 진단/치료에 바로 적용됨. 본 강의에서는 딥러닝(deep learning) 등 다양한 인공지능 알고리즘에 대한 이해를 바탕으로, SMART 디지털 덴티스트리(Digital dentistry) 구현을 위한 치과질환 자동진단, 환자맞춤형 치료계획 자동화, 및 치과수술 시뮬레이션 지능화 등의 솔루션 등에 대해 수업함.전선 / 학사
딥 러닝의 핵심 개념, 모델 및 활용 사례를 강의한다. 강의 전반부에는 deep neural network의 정의, stochastic gradient descent, backpropagation, activation, optimization 등 딥 러닝의 핵심 개념을 강의하며, 후반부에는 convolutional neural network, recurrent neural network, generative adeversarial network, transformer 등 실제로 활용되는 딥 러닝 모델들의 특징과 활용 사례를 다룬다. 또한 각 모델들을 PyTorch를 통해 실제로 활용해볼 수 있도록 과제/프로젝트를 구성한다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전필 / 대학원
기술적 관점에서 첨단 치의학 임상 분야에 사용될 만한 다양한 주제들을 선정하여, 전문가들을 모시고 해당 기술의 과거, 현재, 미래에 대한 소개 시간을 가지고, 치의학 분야에의 활용 가능성 등에 대하여 상호 토론을 진행함.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 알고리즘을 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에 적용하여 자동적 영역분할, 치과질환의 자동적 탐지 및 분류하는 방법을 실습함. 치과영상 데이터의 annotation 방법, 신경망 학습, 테스트 및 모델의 성능분석 등을 디지털 치과 데이터를 실제 컴퓨터 서버에 탑재하고 실습하여, 학생 스스로 딥러닝을 이용하여 치과영상을 분석할 수 있는 능력을 제공함. Getting Started with Deep Learning Using PyTorch Building Blocks of Neural Networks Diving Deep into Neural Networks Fundamentals of Machine Learning Deep Learning for Computer Vision Deep Learning with Sequence Data and Text Generative Networks전선 / 학사
본 강좌는 딥러닝 등 기계학습 기반 인공지능 및 관련 분야에 관심있는 수강생을 대상으로 하는 학부 교과목으로 인공지능 분야의 핵심이 되는 기계학습의 개념 및 응용을 소개하고, 주요 기계학습 알고리즘 및 모델들에 대해 학습한다. 과제 및 프로젝트를 통해 최신 기계학습 기법의 심층적 이해와 실제 구현 기회를 부여한다. 주요 내용으로는 학습이론, 선형모델 (선형회귀, 선형분류, Logistic 회귀), Support Vector Machine, 인공신경망, 순차모델, 기초 딥러닝 모델 (MLP, CNN, RNN), 앙상블 학습 등을 포함한다. 선수과목: 데이터구조 혹은 알고리즘, 선형대수, 확률변수, 프로그래밍 방법론전선 / 대학원
손상된 조직재생, 기능을 복원하기 위해 개발되는 저분자, 펩타이드, 단백질, 유전자 치료제 신약에 대한 분류, 신약으로 도출되기 위해 필수로 수행해야하는 시험 및 임상연구에 대한 기초지식을 학습함. 또한 조직복원을 위한 약물융합소재, 생리활성 바이오소재 등에 기반한 의료기기의 설계 및 기능평가 연구에 대해서 학습함.전선 / 대학원
인공지능은 우리가 사는 방식을 바꾸었다. 특정 의료 영역에서 인공지능은 전문가의 수준 만큼 정확하고 일부 영역에서는 이미 전문가의 실력을 뛰어넘는다. 하지만, 의료계에서 이러한 알고리즘을 손쉽게 받아들이기 어려운 것은 인공지능의 “블랙박스” 즉 설명 불가능한 특성 때문이다. 본 수업은 현존하는 이해가능한 (interpretable) 기계학습 모형과 이해불가능한 딥러닝 모형의 설명가능 방법론 (explainable)을 의료의 관점에서 탐구할 것이다. 또한 “설명가능성”에 대한 사회적, 이론적, 경험적, 인과적 관점을 조사할 것이다.전선 / 학사
세계적으로 유명한 반도체 회사에 소속된전문가들의 지도 아래 인공지능 반도체 기술에 대한 깊은 탐구의 기회를 제공한다. 수업을 통해 인공지능 반도체 기술의 핵심 원리와 다양한 응용에 대한 종합적인 이해를 얻게 되고, LLM(Large Language Model), Biomedical 분야 등에 인공지능 반도체를 활용하는 방안에 대해 국내외 전문가들의 주관으로 강의가 진행될 예정이다. 이를 통해 인공지능 반도체 기술의 장점과 한계를 명확히 파악하며, 현실 세계에서 혁신적인 해결책과 응용 사례를 제안할 수 있는 능력을 갖추게 된다.전선 / 대학원
딥러닝은 주어진 입력 데이터를 심층인공신경망으로 가공하여 원하는 테스크에 대해 좋은 성능을 달성하는 것을 목표로 한다. 이 과정에서 입력 데이터는 입력이 표현된 방식과는 확연히 다른 방식으로 표현되게 되고, 이러한 표현 방식의 변화를 통하여 원하는 정보를 잘 활용할 수 있게 된다. 본 강의는 딥러닝의 중요 연구주제 중 비지도학습의 기본 방식으로 자리 잡은 self-supervised learning 및 contrastive learning을 중심으로 진행한다. 특히 information theoretic approach를 비롯한 metric 관점의 representation learning에 대해 고찰하고 domain generalization, meta learning, 등과 같은 학습기법들에 대해 논의하며 이를 통하여 표현학습에 대해 심화된 이해를 하는 것을 목표로 한다.전선 / 대학원
사물이나 공간을 대상으로 하는 인터랙션 디자인에 있어서 컴퓨터 기술을 물리적 조형에 어떻게 접목시킬 수 있는가에 대해 연구하고 실습을 통해 디자인 프로젝트에 적용해보는 수업이다. 컴퓨터 프로그래밍에 대한 기초지식을 갖춘 학생들을 대상으로 하며, 피지컬 컴퓨팅을 위한 보드 컨트롤, 센서 및 출력장치 등 전기, 전자에 대한 내용과 함께, 이를 디자인 개념 구현에 어떻게 응용할 수 있는가에 대해 연구하고 디자인 가능성을 실험한다.전선 / 대학원
최근 딥러닝을 이용한 인공지능 기술이 의료 각 분야에서 다양하게 적용되고 있다. 이 강좌에서는 의료분야에서 사용되는 인공지능 기술의 기초와 다양한 적용 사례를 살펴봄으로써 의료 인공지능 기술의 미래 전망과 한계점을 이해하는 것을 목표로 한다. 아울러 실제 인공지능을 적용한 의료 서비스 사례를 연구함으로써 실용화 과정에 필요한 요구사항과 규제에 대한 이해를 증진한다.전선 / 대학원
최근 딥러닝을 이용한 인공지능 기술이 의료 각 분야에서 다양하게 적용되고 있다. 이 강좌에서는 의료분야에서 사용되는 인공지능 기술의 기초와 다양한 적용 사례를 살펴봄으로써 의료 인공지능 기술의 미래 전망과 한계점을 이해하는 것을 목표로 한다. 아울러 실제 인공지능을 적용한 의료 서비스 사례를 연구함으로써 실용화 과정에 필요한 요구사항과 규제에 대한 이해를 증진한다.