If the collection is public, the memo for this book will also be public.
Your Browsing History
There is no data.
Won, Ha-Kyeong; Kang, Sung-Yoon; Kang, Yewon; An, Jin; Lee, Ji-Hyang; Lee, Sang Min; Kwon, Jae-Woo; Kim, Min-Hye; Jo, Eun-Jung; Lee, Seung-Eun; Kim, Sae-Noon; Kim, Sang-Heon; Chang, Yoon-Seok; Kim, Sang-Hoon; Lee, Byung-Jae; Cho, Sang-Heon; Birring, Surinder S.; Song, Woo-Jung
2019 / Allergy, Asthma & Immunology Research
이광우
2021 / The International Journal of Advanced Smart Convergence
김성재; 방경숙; 이금희; 임지희; 정예슬; 송민경
2020 / Child Health Nursing Research
Yan T.,Huang L.,Yan Y.,Zhong Y.,Xie H.,Wang X.
2023 / Photodermatology Photoimmunology and Photomedicine
There is no data.
loading...
빅데이터-딥러닝 기반 케이블교량 지진 응답예측 및 손상평가 기초기술 개발 =
노후 교량의 성능향상 기술 개발 =
Deep Learning for Medical Image Analysis
노후 교량의 성능향상 기술 개발 =
Efficient processing of deep neural networks
딥러닝 기반 침수 위험지역 분석 모델 개발
딥러닝 기반 실시간 침수 예상도 추정기술 개발.
Deep learning for remote sensing images with open source software
High-Performance Computing and Big Data Analysis : Second International Congress, TopHPC 2019, Tehran, Iran, April 23–25, 2019, Revised Selected Papers
Deep learning for hydrometerology and environmental science
교량 구조물의 전산구조해석
비전 시스템을 위한 딥러닝 : 신경망을 활용한 엔드투엔드 컴퓨터 비전 애플리케이션 구축하기
딥러닝 기반 실시간 침수예상도 추정 기술 개발
Image Analysis and Processing – ICIAP 2019 : 20th International Conference, Trento, Italy, September 9–13, 2019, Proceedings, Part I
Learning deep learning : theory and practice of neural networks, computer vision, nlp, and transformers using tensorflow
그림으로 배우는 딥러닝
광대역통합 연구개발망(KOREN)을 위한 IPv6기반 트래픽분석 및 실시간 성능관리 시스템 개발 =
텐서플로우 2와 케라스를 이용한 고급 딥러닝 : DL, GAN, VAE, 심층 RL, 비지도 학습, 객체 감지 및 분할 등 적용
교량 구조물의 동적 유한요소 모델 업데이팅 =
Structural health monitoring based on data science techniques
Applied Sciences (Switzerland)
Hong S.S.,Hwang C.H.,Chung S.W.,Kim B.K.Advances in Engineering Software
Chun, P.-J.; Chu, H.; Shitara, K.; Yamane, T.; Maemura, Y.대한토목학회논문집(국문)
김영남, 조준상, 김준경, 김문현, 김진평한국건설순환자원학회 논문집
지봉준运输经理世界 / Transport Business China
叶治军; 黄哲骁; 陶毅荣; 董冠男; 徐华辉대한토목학회논문집(국문)
조문원, 이재혁, 유영무, 박정준, 윤형철Computer-Aided Civil and Infrastructure Engineering
Yamane T.,Chun P.j.,Dang J.,Honda R.PROGRAMMING AND COMPUTER SOFTWARE
Flores-Fuentes, Wendy한국방재학회논문집
이강혁, 심성한, 신도형Transportation Research Record: Journal of the Transportation Research Board
Xin Zhang; Benjamin Eric Wogen; Zhiwei Chu; Shirley J. Dyke; Randall Poston; Thomas Hacker; Julio Ramirez; Xiaoyu Liu; Lissette Iturburu; Prince Baah; Jeremy HunterInnovative Infrastructure Solutions
RODRIGUEZ POLANIA, DANIEL; OSELLO, ANNA; TONDOLO, FRANCESCO; PIRAS, MARCO; GRASSO, NIVES; DI PIETRA, VINCENZOJournal of Information and Telecommunication
Ngo L.,Xuan C.L.,Luong H.M.,Thanh B.N.,Ngoc D.B.Procedia Structural Integrity
Ruggieri, Sergio; Cardellicchio, Angelo; Nettis, Andrea; Renò, Vito; Uva, GiuseppinaProgramming and Computer Software
Flores-Fuentes, WendyJournal of Performance of Constructed Facilities
Tang H.E.,Yi T.H.,Zhang S.H.,Li C.Buildings
Jeon C.H.,Nguyen D.C.,Roh G.,Shim C.S.Journal of Structural Engineering (United States)
Sun L.,Shang Z.,Xia Y.,Bhowmick S.,Nagarajaiah S.Procedia Structural Integrity
Agnese Natali; Milind G. Padalkar; Vincenzo Messina; Walter Salvatore; Pietro Morerio; Alessio Del Bue; Carlos Beltrán-González运输经理世界 / Transport Business China
李凯Journal of Bridge Engineering
Li S.,Sun L.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
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.전필 / 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) 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 / 대학원
대학원생을 위한 교과목으로 인공지능의 핵심 기술인 딥러닝 분야의 고급 이론 및 최신 응용을 다룬다. 구체적으로는 다음과 같은 주제를 다룬다: 트랜스포머 및 메모리-오그멘티드 신경망(메모리네트워크, 뉴럴튜링머신), 생성적대망, 베리에이셔널 오토인코더, 생성플로우 등 심층생성모델; 연속학습, 소수샷학습, 도메인적응, 전이학습 등 메타러닝; 적대적학습; 자동기계학습및 하이퍼파라메터최적화; 자기지도 및 비지도 학습; 보안 및 프라이버시; 딥러닝의 최신 응용 등 - 권장 선수과목: 기계학습 및 전기정보응용(M2608.001300), 딥러닝(M2177.003100)전선 / 대학원
대학원생을 위한 교과목으로 인공지능의 핵심 기술인 딥러닝 분야의 고급 이론 및 최신 응용을 다룬다. 구체적으로는 다음과 같은 주제를 다룬다: 트랜스포머 및 메모리-오그멘티드 신경망(메모리네트워크, 뉴럴튜링머신), 생성적대망, 베리에이셔널 오토인코더, 생성플로우 등 심층생성모델; 연속학습, 소수샷학습, 도메인적응, 전이학습 등 메타러닝; 적대적학습; 자동기계학습및 하이퍼파라메터최적화; 자기지도 및 비지도 학습; 보안 및 프라이버시; 딥러닝의 최신 응용 등 - 권장 선수과목: 기계학습 및 전기정보응용(M2608.001300), 딥러닝(M2177.003100)전필 / 대학원
인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, AI융합전공 수강생들은 인공지능(AI)을 교과 수업 상황에 융합하여, 수업을 설계하고 실행할 수 있는 역량이 요구된다. 이 강의는 AI융합전공 수강생들이 인공지능(AI) 자체에 대한 수업과, 인공지능(AI) 학습도구를 활용한 인공지능(AI)-교과 융합수업을 설계하고, 실행할 수 있는 역량을 갖추는 것을 목적으로 한다. 이를 위해 AI융합전공 수강생들은 먼저, 인공지능(AI) 자체에 대한 수업 설계 역량을 기른다. 그리고 실제적이고 집중적인 교육을 통해, 이 교과목은 수강생들의 인공지능 교과 융합 수업을 설계하고 실행하는 역량 증진시킬 것이다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
구강 및 악안면 영역을 보철물로 수복시 고려할 사항과 임상과정을 각 단계별로 고찰하고 이를 임상에 응용할 수 있도록 한다. 임상에서 발생되는 다양한 증례와 문제를 살펴보고 이를 해결하기 위한 방법을 논의한다. 수복재료에 대한 전반적인 고찰과 함께 측두하악장애 등의 문제를 가진 환자의 보철수복, 고난도 증례의 치료방법, 타과와의 협진을 통한 치료등 총괄적인 접근을 통해 해결할 수 있도록 한다.전선 / 대학원
이 교과목에서는 고급 데이터베이스 시스템의 기반이 되는 주제로서 질의어 처리, 데이터베이스 회복, 병행제어, 데이터베이스 보안 및 무결성, 그리고 분산 데이터베이스를 다룬다. 또한 현재 제기되고 있는 문제로서 의사결정지원 시스템, 웹 데이터베이스, 멀티미디어 데이터베이스, 그리고 이동 데이터베이스도 다뤄질 것이다. 교과목을 통해 관련 연구논문들이 논의될 것이다.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.전선 / 대학원
본 교과목은 응용 데이터사이언스 전공자를 위한 머신러닝 (machine learning)과 딥러닝 (deep learning)의 기초를 다룬다. 구체적으로, 머신러닝의 기초가 되는 이론 (확률, MLE, gradient descent, overfitting, regularization 등)과 지도학습의 기초적인 모델을 중심으로 다룬다. 딥러닝 부분에서는 뉴럴넷의 기본, backpropagation을 다룬 후, 주로 convolutional neural network의 구조와 활용을 중점적으로 다룬다. 이를 바탕으로 적용 분야에 데이터사이언스를 응용할 기틀을 마련한다.전선 / 학사
4차 산업혁명의 핵심기술인 인공지능(딥러닝)의 배경지식과 활용방법을 습득하며, Convolutional Neural Networks 와 Recurrent Neural Networks 에 관한 지식과 활용법을 실습한다. 딥러닝 기본개념, Stochastic Gradient Descent, backpropagation 기법, 초기화기법, regularization 기법, 콘볼류션신경망(CNN), CNN 구조, 반복신경망(RNN), RNN의 응용, 강화학습을 다룬다. 이론은 기존 머신러닝과목에서 다루므로, 이론보다는 실용적 적용능력을 배양하기 이해 딥러닝 관련 소프트웨어 교육을 강조하며, Python에 관한 강의와 실습, Python 수학 라이브러리 numpy에 강의도 실시한다. 또한 Advanced deep learning library인 Tensorflow에 대한 강의와 실습도 병행한다.전선 / 대학원
보철물 제작을 위한 전통적인 인상 및 수복 과정에서 CAD/CAM을 이용한 인상 및 기공 및 수복으로 이행되는 과정을 역사적으로 고찰하고 CAD/CAM을 이용한 보철물 제작의 이론 및 실제에 대하여 강의 및 토론한다. CAD/CAM 장비의 종류, 작동기전, CAD/CAM 수복을 위한 치아형성, 구강 내에서의 접촉 혹은 비접촉 식 인상채득 및 computer에서의 인상의 수정, 완전 세라믹 수복물의 접착, CAD/CAM 보철물의 정확도 및 수명 등에 대한 문헌 고찰을 통해 CAD/ CAM을 이용한 보철 회복에 대한 전반적인 이론적 이해를 배경으로 실제 임상시술에 응용하도록 한다.전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 대학원
본 강좌는 영상 데이터를 분석하기 위한 수학적 모델링 기술 및 기계 학습 기술 등을 강의한다. 영상 데이터 분석에 널리 이용되는 기본적인 기계 학습, 특히 딥 러닝 기법을 집중적으로 학습하고, 이러한 기술이 다양한 영상 분석 문제에 어떻게 적용되는지 살펴본다. 이론 강의뿐만 아니라 실습과 프로젝트를 통하여 영상 데이터 분석에 필요한 다양한 기술을 학습한다. ● 기계학습 기초 리뷰 (지도학습, 비지도학습, 준 지도학습) ● 합성곱 신경망 (컨볼루션 신경망) ● 순환 신경망 (리커런트 신경망) ● 이미지 데이터 처리 기법 (이미지 분류, 물체 인식, 이미지 분할) ● 비디오 데이터 처리 기법 (비디오 분류, 행동 인식, 영상 내 검색, 물체 추적) ● 다면성 데이터 처리 (시청각-언어 정보 처리) ● 생성적 모델링교양 / 학사
이 교과목은 과학기술과 사회의 다면적인 경계를 허물고 이를 통해 펼쳐질 미래의 지평을 조망하는 것을 목적으로 한다. 이를 위해 과학기술과 인문, 사회과학을 넘나드는 고도로 융합적인 접근을 시도한다. 과학기술을 통해 미래를 엿보는 각종 접근방법을 리뷰하고 예측의 한계를 이해함으로써 과학기술과 미래의 상호작용에 대한 관점을 형성하며, 사례로서 인공지능과 데이터과학의 과거와 현재를 돌아본다. 바람직한 미래를 만들어가기 위한 과학기술의 역할과 사회적 고려들은 무엇인지 생각해본다. 이 교과목은 주제별 강의와 토론으로 구성된다.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
본 강의에서는 지능시스템을 위한 컴퓨터비전 알고리즘들에 대해서 공부한다. 컴퓨터비전은 지능시스템을 구현하기 위한 필수적인 분야로 컴퓨터가 인간의 시각정보처리 기능을 모사할 수 있도록 하는 것을 최종 목표로 하는 학문 분야이다. 이를 위해 컴퓨터비전에서는 카메라 등으로부터 얻은 정지영상이나 동영상 정보를 분석하여 컴퓨터가 자동으로 영상을 이해할 수 있도록 하는 다양한 알고리즘들을 다룬다. 본 강의에서는 컴퓨터비전에서 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 컴퓨터비전 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.