최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
유준상, 선승호, 이광호, 권기록
2015 / Journal of Pharmacopuncture
데이터가 존재하지 않습니다.
loading...
본 연구는 교량 노후화 및 기존 점검 방식의 한계를 극복하기 위해 딥러닝 기반의 Open Set Recognition을 적용한 교량 다중 손상 인식 모델을 개발했습니다. 균열을 포함한 5종의 교량 손상 데이터 세트를 구축하고 OpenMax 알고리즘을 적용하여 학습되지 않은 이미지에 대한 오인식 문제를 해결하고자 했습니다. 개발된 모델은 Open set 환경에서 분류 및 인식 성능 평가를 통해 효과를 검증했습니다.
Experimental vibration analysis for civil structures : testing, sensing, monitoring, and control
Structural health monitoring based on data science techniques
Computer vision for autonomous vehicles : problems, datasets and state of the art
Resilience of civil infrastructure systems : developments in testing, sensing, monitoring, and control
빅데이터-딥러닝 기반 케이블교량 지진 응답예측 및 손상평가 기초기술 개발 =
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 and life extension : proceedings of the seventh International Conference of Bridge Maintenance, Safety and Management, 7-11 July 2014, Shanghai, China
Repairing bridge substructures
Computational models of risks to infrastructure
Intelligent computational paradigms in earthquake engineering
Proceedings of the Third World Conference on Structural Control
Proceedings of the US-Europe workshop on sensors and smart structures technology
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
Graph Neural Networks: Foundations, Frontiers, and Applications
Problems and methods of optimal structural design
Advanced problems in bridge construction
Image processing of edge and surface defects
Bridge substructure and foundation design
한국건설순환자원학회 논문집
지봉준Advances in Engineering Software
Chun, P.-J.; Chu, H.; Shitara, K.; Yamane, T.; Maemura, Y.Journal of Bridge Engineering
Li S.,Sun L.Applied Sciences (Switzerland)
Hong S.S.,Hwang C.H.,Chung S.W.,Kim B.K.Journal of Performance of Constructed Facilities
Tang H.E.,Yi T.H.,Zhang S.H.,Li C.Frontiers in Built Environment
Nomura Y.,Inoue M.,Furuta H.Journal of Information and Telecommunication
Ngo L.,Xuan C.L.,Luong H.M.,Thanh B.N.,Ngoc D.B.Journal of Performance of Constructed Facilities
Meng Q.,Yang J.,Zhang Y.,Yang Y.,Song J.,Wang J.Mechanical Systems and Signal Processing
Fernandez-Navamuel A.,Pardo D.,Magalhães F.,Zamora-Sánchez D.,Omella Á.J.,Garcia-Sanchez D.Procedia Structural Integrity
Ruggieri, Sergio; Cardellicchio, Angelo; Nettis, Andrea; Renò, Vito; Uva, GiuseppinaMeasurement: Journal of the International Measurement Confederation
Sarwar M.Z.,Cantero D.Structural Health Monitoring
Yessoufou, F.; Zhu, J.; Yang, Y.Measurement: Journal of the International Measurement Confederation
Ma X.,Lin Y.,Nie Z.,Ma H.Applied Sciences (Switzerland)
Chiaia B.,De Biagi V.AUTOMATION IN CONSTRUCTION
Huang, Linjie; Fan, Gao; Li, Jun; Hao, Hong대한토목학회논문집(국문)
남우석, 정현준, 박경한, 김철면, 김규선대한토목학회논문집(국문)
조문원, 이재혁, 유영무, 박정준, 윤형철Journal of Performance of Constructed Facilities
Hai-En Tang; Ting-Hua Yi; Song-Han Zhang; Chong LiPROGRAMMING AND COMPUTER SOFTWARE
Flores-Fuentes, WendyJournal of Civil Structural Health Monitoring
Kruachottikul P.,Cooharojananone N.,Phanomchoeng G.,Chavarnakul T.,Kovitanggoon K.,Trakulwaranont D.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)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
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
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 / 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
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
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
도로교통사고로 인한 국내 사망자 수가 연간 수천 명에 달할 만큼 교통사고는 현대사회의 심각한 문제이다. 이 강의는 교통사고의 원인을 데이터 분석을 통해 정리하고 교통사고의 감소와 예방을 위한 정책을 도로 이용자, 차량, 도로환경 차원에서 살펴본다. 이 강의를 통해 교통사고 예측 모델의 개발과 활용방안을 익히고, 안전체계(Safe System) 차원의 교통안전 정책을 이해할 수 있게 된다.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
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 / 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
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.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
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 컴퓨팅(C) 분야 첫번째 강좌이다. 본 교과목의 전반부는 C++ 언어 프로그래밍과 C++ 기반 객체 지향 프로그래밍으로 이루어져 있다. (1) C++ 언어의 기초 문법, 클래스의 개념과 사용법, template과 중요한 라이브러리를 학습하고, (2) abstraction, inheritance, polymorphism 등 객체 지향 프로그래밍의 원리를 습득한 뒤, (3) 예제들을 통해 클래스 기반 객체 지향 프로그래밍을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 본 교과목의 후반부는 중급 자료 구조 및 알고리즘과 딥러닝 플랫폼으로 이루어져 있다. (1) 데이터사이언스를 위한 컴퓨팅의 기초 강좌에서 다루지 않은 자료구조 및 정렬 알고리즘 (Quick sort, Radix sort, heap sort), 트리 알고리즘, 그래프 알고리즘 (Dijkstra, Kruskal 등) 등을 습득하고, (2) 배운 자료 구조와 알고리즘들을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 또, (3) Pytorch, TensorFLow 등 널리 사용되는 딥러닝 플랫폼을 학습하고, 동일 학기 수강이 권장되는 머신러닝 및 딥러닝 1(ABC 과정 중 A 분야 첫번째 강좌)에서 배운 딥러닝의 기본 원리들을 직접 구현하고, 이에 더하여 상기 플랫폼을 통해 구현 할 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
Shortest path, Network flow 등의 그래프 문제를 해결하는 최근에 개발된 알고리즘과 알고리즘 분야에서의 최근의 연구결과를 학습한다. 분산 시스템의 여러 모델들과 분산 시스템에서 발생하는 중요한 문제들을 해결하는 분산 알고리즘에 관하여 연구한다.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
교통사고에서 발생하는 손상의 기본적인 기전을 알고 보행자와 탑승자에서 나타나는 전형적인 손상 양상을 익혀, 사고 상황을 판단할 수 있도록 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.