최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
박원표, Ho
2020 / 한국토양비료학회지(Korean Journal of Soil Science and Fertilizer)
Monton Chaowalit, Suksaeree Jirapornchai
2021 / Oriental Pharmacy and Experimental Medicine
양석우, 곽동화
2014 / Architectural Research
박효정, 손유민, 정옥순, 이재현, 전은용, 이용석, 민명숙, 고재훈, 정치량, 박치민
2021 / 병원약사회지
Lee, Sang-Choon; Lee, Hyun Oh; Kim, Kyunghee; Kim, Soonok; Yang, Tae-Jin
2016 / Mitochondrial DNA Part A
Hatto M.,Ivano V.K.,Gestic M.A.,Utrini M.P.,Chaim F.D.M.,Callejas-Neto F.,Chaim E.A.,Cazzo E.
2023 / Obesity Surgery
이호준
2019 / Journal of East Asian Studies
Chung
2018 / International Journal of Clinical Preventive Dentistry
Sojung Park, 최만식, Dongjun Jang, 조동진, Kyunggue Park, Hyojin Lee, Junsik Woo, Taeha Kim, Jongkyu Park
2020 / Ocean Science Journal
데이터가 존재하지 않습니다.
loading...
본 연구는 교량 노후화 문제 해결 및 안전점검의 효율성 향상을 위해 이미지 기반의 자동 교량 구성요소 분류 네트워크를 개발했습니다. 제안된 방법은 두 개의 CNN 네트워크를 활용하여 교량 형식을 분류하고, 형식별로 구성요소를 분류하여 98.1%의 정확도를 달성했습니다. 이 기술은 향후 교량 유지관리에 기여할 것으로 기대됩니다.
Structural health monitoring based on data science techniques
Advanced problems in bridge construction
Intelligent computational paradigms in earthquake engineering
Bridge evaluation, repair, and rehabilitation : [proceedings of the NATO Advanced Research Workshop on Bridge Evaluation, Repair, and Rehabilitation, Baltimore, Maryland, USA, April 30-May 2, 1990]
Bridge maintenance, safety, management, health monitoring and informatics : proceedings of the Fourth International Conference on Bridge Maintenance, Safety and Management, Seoul, Korea, 13-17 July 2008
Industrial and engineering applications of artificial intelligence and expert systems : 11th International Conference IEAAIE-98, Benicássim, Castellón, Spain, June 1998 : proceedings
Experimental vibration analysis for civil structures : testing, sensing, monitoring, and control
Bridge management : report
Guide to convolutional neural networks : a practical application to traffic-sign detection and classification
Non-destructive techniques for the evaluation of structures and infrastructure
Cable supported bridges : concept and design
Geocomputation with R
Finite element analysis and design of steel and steel-concrete composite bridges
Artificial neural networks for civil engineers : advanced features and applications
구조계특성 추정기법에 의한 교량 내하성능 평가기술 =
Advances in dynamic network modeling in complex transportation systems
Problems and methods of optimal structural design
Artificial intelligence in structural engineering : information technology for design, collaboration, maintenance, and monitoring
Intelligent infrastructure : neural networks, wavelets, and chaos theory for intelligent transportation systems and smart structures
대한토목학회논문집(국문)
이재혁, 박정준, 윤형철Buildings
Jeon C.H.,Nguyen D.C.,Roh G.,Shim C.S.Procedia Structural Integrity
Ruggieri, Sergio; Cardellicchio, Angelo; Nettis, Andrea; Renò, Vito; Uva, GiuseppinaSustainability (Switzerland)
Trach R.,Moshynskyi V.,Chernyshev D.,Borysyuk O.,Trach Y.,Striletskyi P.,Tyvoniuk V.Remote Sensing
Kim H.,Kim C.Journal of Industrial Information Integration
Li Z.,Burgueño R.Smart Structures and Systems, An International Journal
Ram S. Adhikari, Ashutosh Bagchi, Osama MoselhiAutomation in Construction
Hüthwohl P.,Lu R.,Brilakis I.Computer-Aided Civil and Infrastructure Engineering
Liang X.Journal of Civil Structural Health Monitoring
Kruachottikul P.,Cooharojananone N.,Phanomchoeng G.,Chavarnakul T.,Kovitanggoon K.,Trakulwaranont D.Transportation 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 HunterStructure and Infrastructure Engineering
Liu H.,Zhang Y.Engineering Structures
Jiang T.,Frøseth G.T.,Rønnquist A.Structure and Infrastructure Engineering
Zhu J.,Zhang C.,Qi H.,Lu Z.Multimedia Tools and Applications
Yu L.,He S.,Liu X.,Ma M.,Xiang S.Expert Systems with Applications
Jeong E.,Seo J.,Wacker P.E.J.Applied Sciences (Switzerland)
Hong S.S.,Hwang C.H.,Chung S.W.,Kim B.K.Journal of Civil Structural Health Monitoring
Chan, B.; Guan, H.; Hou, L.; Jo, J.; Blumenstein, M.; Wang, J.Applied Sciences (Switzerland)
Chiaia B.,De Biagi V.Remote Sensing
Xia Y.,Lei X.,Wang P.,Sun L.전선 / 학사
이 과목은 전반부는 날로 진화되어 가는 구조시스템의 계획을 위한 하중 흐름과 구조 부재 배치 원리를 익힌다. 이를 위해 구조시스템을 케이블이나 아치를 활용한 형상형 시스템, 트러스를 사용한 벡터형 시스템, 보나 스래브를 활용한 단면형 시스템으로 분류하여 각 유형별 구조 계획의 요소를 이해한다. 후반부는 대표적 구조시스템인 교량에 대하여 설계하중과 설계절차를 다루고, 다변화되는 교량형식에 대해 구조시스템 계획 차원에서의 접근 방법을 이해한다.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
교량의 해석/설계/시공에 대한 전반적인 내용을 다룬다. 여러 분야 전문가들의 세미나가 함께 이루어지므로, 분야별 연구현황, 설계 및 시공상의 문제점 등에 대해 파악할 수 있다. 교량의 개념적 설계(Conceptual Design) 개념을 우선적으로 학습하여 공학적 측면에서의 교량 뿐만 아니라, 미적 관점에서 접근한 교량의 역학적 거동에 대해서 교육한다. 이후, 케이블 구조의 역학적 거동에 대해서 학습하며 나아가, 케이블 지지된 구조물의 정적 동적 해석 이론을 학습한다.전선 / 대학원
일상적으로 네트워크 시설의 계획과 운영관리에 치중해온 전통적 교통계획수법의 문제점을 비판하고 대중교통수단의 결절시설인 터미널, 정류장의 입지, 구조 및 디자인 등의 지능형교통체계의 중요성에 주목하여 기차, 버스 등의 교통터미널과 화물유통센타 등의 설계기준 및 세부구조 계획 등에 관해 연구한다.전선 / 대학원
스마트시티는 복잡 인프라 시스템의 확률 기반 모형의 구축과, 계측 데이터에 기반한 학습/업데이팅, 그리고 상황별 실시간 추론에 기반한 의사결정을 필수적으로 요구한다. 본 교과목은 이러한 정보공학 기반 인프라 시스템 관리의 기반이 되는 다음의 베이지안 이론과 방법론을 소개한다: (1) 데이터 기반 통계적 학습: 마르코프 체인 몬테 카를로, (2) 인과관계 모형 구축, 학습 및 추론: 베이지안 네트워크, (3) 커널 기반 학습 및 추론: 가우시안 프로세스, (4) 시그널 프로세싱: 베이지안 필터. 각 방법론을 컴퓨터 프로그래밍을 통해 직접 실습하고, 재난재해 레질리언스, 안전, 생애주기 관리 등 다양한 인프라 관련 문제에 적용함으로써 스마트시티를 구현하는 데에 필요한 인프라 정보공학 핵심역량을 함양하는 것을 목표로 한다.전선 / 대학원
광산이나 터널과 같이 암반에 건설되는 구조물의 시공과정에는 암반 노출면에 대한 조사가 필수적이다. 최근 이러한 암반 노출면에 대한 조사와 분석 과정을 무인화, 자동화하여 안전한 작업환경을 조성하고 조사 자료를 기반으로 신속한 굴착/보강설계를 수행하기 위한 노력이 지속되고 있다. 이 강의에서는 입체사진측량과 드론 등을 활용한 디지털 암반 조사방법과 AI를 이용한 불연속면 분석 및 암반분류에 관한 최신의 기술들을 다룬다.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
본 과목은 조경학의 학위논문을 준비하거나 조경분야의 학술연구를 수행하기 위해 필요한 연구방법 즉, 연구주제 선정 방법, 자료수집 및 분석방법, 통계분석방법, 논문 작성방법 등을 심층적으로 습득하고, 이를 활용함으로써 연구수행능력을 향상시키는데 있다.전선 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 대학원
최근 정보통신기술이 발전하면서 교통분야에서 다양한 데이터가 수집되고 활용된다. 차량과 사람의 위치 데이터, 교통량, 속도, 밀도 등 교통흐름과 관련된 데이터, 대중교통 이용 실태를 확인할 수 있는 교통카드 데이터 등이 대표적이다. 이들은 모두 실시간으로 빠르게 수집되는 만큼 양도 방대하다. 소위 빅데이터의 특징인 Volume (양), Variety (종류), Velocity (속도)의 특징을 모두 가진다. 본 교과목은 교통 분야 빅데이터의 유형을 이해하고 이를 분석하는 것을 목적으로 한다. 이를 위해 우선 빅데이터의 기초와 시각화 방안을 배운다. 이후 인공지능 방법론의 기초를 학습하고 교통 빅데이터를 이용하여 CNN, RNN 분석을 수행해 본다. 아울러 군집분석, 의사결정나무 등 자주 활용되는 데이터 분석기법도 배운다.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
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
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
표준적 도시교통계획과정의 이론적 구조와 문제점 그리고 실천모형의 장단점을 비교검토하고, 보다 일반적인 교통계획모형의 구성을 위한 여러 방법론과 고급이론을 소개함과 아울러 새로운 연구방향에 관해 연구한다.전선 / 대학원
본 강의는 인공환경을 건축구조물 단위의 시스템으로서 이해하고, 생애주기 동안 주변 환경과 어떻게 상호작용하는지에 대한 폭넓은 이해를 제공한다. 건축구조물의 사용 환경에 따른 거동을 다자유도시스템(state-space representation)으로 분석하기 위해 동역학 기초지식이 요구된다. SIMO, MIMO 시스템 관련하여 대표적인 응답기반 시스템식별 기술(시계열 기반, 주파수영역 기반, 확률기반 등)의 이론에 대해 학습한다. 더 나아가 시스템식별 기술을 머신러닝 알고리즘(ARMA, Neural Network, LSTM 등)과 접목하여 부분 계측된 인공환경의 실시간모니터링과 미래성능예측, 그리고 유지보수를 위한 의사결정 도출방법을 학습한다. 궁극적으로 학생들에게 다차원적인 건축물과 환경의 상호작용에 대한 통찰력을 제공한다.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
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.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 교과목은 빅데이터, 인공지능 등 데이터 과학 이론을 소개하고 다양한 방법론 및 모델들을 효과적으로 건설산업에 적용할 수 있도록 교육함으로써, 수강생들이 공정관리, 예산관리, 안전관리 등 성공적인 건설사업관리에 필요한 객관적인 의사결정 능력을 함양할 수 있도록 한다. 보다 구체적으로 공정 및 예산계획, 설계변경 서류, 각종 보고서 등의 기초적인 현장 데이터부터 물가지수, 수주액, 안전통계 등 산업 차원의 데이터까지 건설산업에 존재하는 다양한 종류의 데이터 및 그들의 특성을 파악하고, 데이터를 정보화/지식화하여 성공적인 의사결정을 지원할 수 있도록 지도학습, 비지도학습, 강화학습 등의 분석 방법론을 교육한다. 또한, 가속도, 진동, 온도, 소음, 영상, 위치좌표 등 센서 및 카메라를 이용하여 실시간으로 수집되는 빅데이터를 분석하여 시시각각 변하는 현장 상황을 효과적으로 이해할 수 있는 첨단기법을 소개한다. 본 교과목은 지금껏 경험적이고 직관적인 의사결정이 주를 이뤄 온 건설현장에 데이터 중심의 사업관리 방법론을 소개함을 목표로 한다.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.