최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Kim C.M.,Park J.W.
2020 / Osong Public Health and Research Perspectives
데이터가 존재하지 않습니다.
loading...
본 연구는 홍성 지역 1MW 태양광 발전소의 발전량을 예측하기 위해 머신러닝 기법(ANN-BP, ANN-GRG, ANN-GA, ANN-HS)과 통계 기법(MLR)을 비교 분석하였다. 그 결과, 하모니 서치 기법과 결합된 신경망 모형(ANN-HS)이 RMSE 감소 및 결정계수 향상 측면에서 가장 우수한 성능을 보였다.
해상풍력발전과 인공지능 : 머신 러닝과 데이터 사이언스 활용
Sustainable developments by artificial intelligence and machine learning for renewable energies
Handbook of neural computation
Machine learning in VLSI computer-aided design
(빌딩용 태양광 발전시스템의)뇌보호기술지침
Intelligent data-analytics for condition monitoring : smart grid applications
Metaheuristics in machine learning : theory and applications
태양광발전시스템 설계와 시공기술
태양광ㆍ풍력발전과 계통연계기술
Afro-European conference for industrial advancement : proceedings of the First International Afro-European Conference for Industrial Advancement AECIA 2014
Design, analysis and applications of renewable energy systems
MW급 집중배치형 태양광 발전시스템 및 계통연계 기술개발
Integration of alternative sources of energy
Space science and communication for sustainability
(알기 쉬운) 태양광 발전시스템
Handbook of concentrator photovoltaic technology
Concentrating solar power technology : principles, developments and applications
Optimization of photovoltaic power systems : modelization, simulation and control
태양광발전 시스템 설계
한국환경기술학회지
서영민, 이병준, 최윤영한국태양에너지학회 논문집
김상진, 유재혁, 장병훈, 우성민Solar Energy
Talayero A.P.,Melero J.J.,Llombart A.,Yürüşen N.Y.전자공학회논문지
강병복, 윤중현International Journal of Photoenergy
Bo Xiao; Hai Zhu; Sujun Zhang; Zi OuYang; Tandong Wang; Saeed Sarvazizi대한기계학회논문집 B
기준홍, 백승준, 소재영, 엄한결, 신정헌대한산업공학회지
이용택, 김두형, 신우석, 김창기, 김현구, 한성원자원환경경제연구
성상경, 조영상Energy & Environment
Jui-Tang Wang; Thi Anh Tuyet Nguyen; Yu-Hong Guo; Chau-Yun Hsu; Huang-Jun XieProcedia Computer Science
ZOUBIR, Zineb; ES-SAKALI, Niima; ER-RETBY, Houda; MGHAZLI, Mohamed OualidAlba Alcañiz; Daniel Grzebyk; Hesan Ziar; Olindo Isabella
Energy and Environment
Wang J.T.,Nguyen T.A.T.,Guo Y.H.,Hsu C.Y.,Xie H.J.한국정보기술학회논문지
김정원한국태양에너지학회 논문집
이용규, 신우균, 주영철, 황혜미, 강기환, 고석환, 장효식한국생활환경학회지
이예지, 김용식, 고명진사물인터넷융복합논문지
홍정조, 오용선정보과학회논문지
이재승; 박성우; 문재욱; 황인준한국정보기술학회 영문논문지
Prasis Poudel, 장봉석Electric Power Systems Research
Kim E.G.,Akhtar M.S.,Yang O.B.SCIENTIFIC REPORTS
Al-Dahidi, Sameer; Alrbai, Mohammad; Alahmer, Hussein; Rinchi, Bilal; Alahmer, Ali전선 / 학사
본 과목은 빅데이터를 활용하는 ML/AI/인지과학의 서비스를 개발할 때, 특히 많이 접하면서 까다로운 시계열 데이터 처리와, 파이썬 등으로 서비스를 개발을 효과적으로 할 수 있는 MLOps/DevOps 실전 가이드를 다루고자 한다. 연구 성과를 검증/공유하기 위해 패키지로 deploy하기 위한 도커/쿠버네티스 기술과 마이크로서비스 구축에 필요한 방법을 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 / 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 유한 차원 및 무한 차원 벡터 공간에서의 최적화를 통합적으로 다루며, 최적화와 머신러닝 사이의 상호작용에 중점을 둔다. 최적화 알고리즘은 머신러닝의 핵심 역할을 하며 (예: 주어진 데이터셋으로부터 모델을 학습시킬 때) 동시에 고차원 최적화 문제를 풀기 위해 머신러닝 모델이 최근 많이 활용되고 있다 (예: 물리 시스템의 지배 방정식을 무한 차원 최적화 문제의 해로 재구성한 다음, 머신러닝 알고리즘을 사용하여 이에 수반되는 고차원 최적화 문제를 해결하려는 시도). 본 과목에서는 머신러닝 분야에서 필요로 하는 최적화 이론 및 알고리즘과 동시에, 복잡한 최적화 문제를 풀 수 있는 머신러닝 기법들에 대해 심도있게 다룬다.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
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
신재생에너지 및 기존 에너지 사업의 사업 타당성 평가 수행을 위해 주요 요인들을 분석하는 기법들을 교육한다. 경제적 평가 (비용-편익, 순현재가치), 태양에너지 풍력에너지에 대한 자원량 평가, 부지의 환경 및 지반 안정성 평가, 환경적 평가에 대한 전반적인 이론적 수업과 더불어 자원량 계산, 발전시설 부지의 지반 안정성, 지리정보시스템 (Geographic Information Systems)을 이용한 다변량 입지분석 (지형, 접근성, 지반 조건, 기후, 자원량 등), 전과정평가 (LCA, Life Cycle Assessment) 기반의 환경적 영향 분석, 에너지 믹스와 신재생에너지 사업 타당성 평가 사례를 다룬다. 석유, 천연가스 기반의 전통적인 에너지 사업과 신재생에너지 사업의 비교 분석을 통해 의사결정을 위한 평가 기법을 배우게 된다.전선 / 대학원
본 코스에서는 선형, 비선형, 정수, 동적, 확률적인 최적화 기법에 대해 강의한다. 각 기법에서 어떻게 바람직한 측면을 최대화 하고 부적적인 측면을 최소화 할 수 있는가를 보여 줄 수 있는 예제들을 제시하게 될 것이다. 특히 산업 뿐 아니라 컴퓨터 프로그램에서 선형, 비선형 문제를 풀기위한 응용문제를 강조하게 될 것이다.전선 / 대학원
국민생활과 산업발전에 없어서는 안될 전력에 대해 공학적·경제학적 통합분석을 수행한다. 주로 project evaluation, optimal plant mix, DSM(Demand Side Management), Forecasting Methods, IRP(Integrated Resource Planning), marginal cost pricing, peak-load pricing, time-of-use pricing, rate of return regulation, price cap regulation, econimies of scale, economies of scope, subadditivity, efficiency, privitization, emission control, environmental damage cost, environmental control cost, shadow price, internalization of social cost 등을 다룬다.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 / 학사
본 교과목은 다양한 전공 및 전문성을 보유한 학생들이 팀을 구성하여 지속가능한 태양광 자동차를 설계, 제작, 검증하고, World Solar Challenge, SASOL 태양광 자동차 대회, American Solar Challenge 등 국제 태양광 자동차 대회 출전을 목표로 준비하는 통합형 캡스톤 프로젝트이다. 강의와 기술 세미나를 통한 이론 학습과 설계, 검증, 시험 실습을 병행하며, 대회 규정 분석을 기반으로 요구사항을 도출하고 이에 부합하는 설계를 수행한다. 또한 다학제 협업을 통해 개념 구상부터 프로토타이핑, 성능 평가에 이르는 전 과정을 경험하고, 결과물을 공학적, 환경적, 경제적 지표로 평가, 발표하는 능력을 배양하며, 국제대회 출전을 위한 기술적, 조직적 기반과 실질적인 준비 경험을 축적한다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.일선 / 학사
본 교과목은 인공지능(AI)이 비즈니스 세계에서 어떻게 작동하는지에 대해 명확하고 실용적인 입문을 제공한다. 머신러닝, 딥러닝, 생성형 AI의 작동 원리에 대한 명쾌한 설명과 함께, 이를 비즈니스에 실무적·전략적으로 응용하는 방법을 결합하여 다양한 학문적 배경을 가진 학생들이 이해하기 쉬운 방식으로 제공한다.전선 / 대학원
본 강좌에서는 계통 운영과 계획, 시장 연계, 성능평가와 신뢰도 평가 등을 위한 전력계통 분석기법을 소개한다. 전력 계통 예제를 통하여 convex optimization, 동적 최적화, 최적 제어 등에 대한 주요 알고리즘을 소개한다. 본 강의에서는 convex optimization에 대한 interior-point methods, decision theoretic planning, Markov decision processes, 선형 계획법, 동적 계획법, 최적 제어 기법과 비선형 최적화에 대한 최적화 조건과 같은 주제들을 다룬다.전선 / 대학원
본 교과목에서는 태양에너지 변환 기술의 에너지 변환 효율과 경제성을 향상시키기 위해 연구되고 있는 다양한 차세대 기술을 학습한다. 특히, 할라이드 페로브스카이트 소재 등 차세대 박막 태양전지 소재와 열역학적 한계 효율을 극복하기 위한 탠덤 태양전지 등의 차세대 태양전지 소자 기술의 원리와 최신 연구 동향을 다룬다. 기존 상용 제품의 대부분을 차지하는 지상용 태양전지 이외에 웨어러블 소자, 실내용 전자기기, 모빌리티, 우주 등 차세대 태양전지가 적용될 수 있는 다양한 응용처 개발사례를 학습하고 이를 위한 소재, 소자, 시스템 기술 등을 공부한다.전선 / 대학원
대상지의 환경 상태를 과학적으로 진단하고 정확하게 평가하는 것은 더 나은 환경계획 수립을 위한 선결조건이다. 최근에는 다양한 환경모니터링 기술의 발전과 함께, 보다 높은 시공간적 스케일에서 양질의 환경자료를 보다 효율적으로 취득하는 것이 가능해지고 있다. 또한 다양한 환경분야에서 서로 다른 목적과 강도로 수집된 자료들 또한 빅데이터 기술을 통해 융합, 분석됨으로써 환경평가에 활용하는 것이 기대되고 있다. 본 수업에서는 이러한 생태환경을 구성하는 다양한 생물적, 비생물적 인자들에 대한 모니터링 방법론과 기술들을 소개하고, 워크숍을 통해 그 효용성과 한계를 토론하는 시간을 가진다. 이를 통해 수강자들은 환경자료에 대한 이해를 높이며, 이를 바탕으로 보다 합리적인 환경평가방법을 고민하게 된다.전선 / 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
본 과목에서는 다양한 인공 지능 (특히 머신 러닝) 및 빅데이터 분석 시스템에 대해 공부한다. 자원을 관리하는 자원 관리자, 데이터를 저장하는 분산 스토리지, 데이터 처리의 핵심 모델인 데이터 플로우 모델, 배치 분석, 인메모리 처리, 스트림 처리, SQL, 머신 러닝/딥러닝 시스템, 그래프 처리에 대해서 공부한다. 특히, 대표적인 시스템인 Spark, Beam, TensorFlow, PyTorch 등을 활용하여 실제로 해당 시스템들이 어떻게 동작하는지 깊게 공부한다. 배운 이론을 바탕으로 프로그래밍 과제와 팀별 연구 프로젝트를 수행한다.전선 / 대학원
데이터마이닝 (Data Mining)은 대용량 데이터베이스에 존재하는 데이터 간의 관계, 패턴, 규칙 등을 찾아내고 모형화해서 의사결정을 돕고, 유용한 정보로 변환하는 일련의 과정이다. 본 강좌에서는 기술모델링과 예측모델링에 사용되는 통계학, 기계학습, 신경회로망 기법들을 공부하고, 응용 사례 연구와 패키지를 이용한 프로젝트를 수행한다.전선 / 대학원
정보과학분야의 첨단 기법인 데이터마이닝과 머신러닝에 대한 이론을 학습하고 상업용패키지를 이용하여 농업분야응용에 대해 실습하며, 농업분야의 필요한 알고리즘을 개발하는 학습기회를 제공한다. Decision Tree, Probabilistic Machine Learning, Baysian Classifier, Neural Nets, Support Vector Machine, K--NN, Boosting, K--Means and Hierarchical Clustering, Reenforcement Learning 등에 대한 이론적 연구와 농업분야의 응용을 상업적 패키지를 이용하여 학습하고, 농업분야를 위한 알고리즘의 개발에 대해 실습한다.