최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 촉각 센서 데이터를 활용하여 물체 인식 성능을 향상시키기 위해 고속 푸리에 합성곱(FFC) 모델을 제안합니다. FFC 모델은 기존 RNN 및 CNN 기반 모델의 과도한 파라미터 및 작은 수용 영역의 한계를 극복하고, 초기 레이어부터 글로벌 특징을 추출하여 인식 정확도를 84.66%에서 91.43%로 향상시켰습니다.
Advances in machine vision : strategies and applications
Electromagnetic scattering from random media
Parameter estimation in stochastic differential equations
Computational sensor networks
Pattern thinking
Advances in pattern recognition : joint IAPR International Workshops SSPR'98 and SPR'98, Sydney, Australia, August 11-13, 1998, proceedings
Statistical learning with sparsity : the lasso and generalizations
Robotic tactile sensing : technologies and system
Nonnegative matrix and tensor factorizations : applications to exploratory multi-way data analysis and blind source separation
Querying moving objects detected by sensor networks
Linear prediction theory : a mathematical basis for adaptive systems
Computational intelligence for remote sensing
Robot physical interaction through the combination of vision, tactile and force feedback : applications to assistive robotics
Advanced structured prediction
Affine analysis of image sequences
Random effect and latent variable model selection
Hyperspectral imaging
Three-dimensional object recognition systems
Pro deep learning with TensorFlow : a mathematical approach to advanced artificial intelligence in Python
IEEE Transactions on Circuits and Systems for Video Technology
Song X.,Guo F.,Zhang L.,Lu X.,Hei X.IEEE ACCESS
Wang, Jianyu; Mo, Zhenling; Zhang, Heng; Miao, QiangComplexity
Xie X.,Zhou X.,Li J.,Dai W.,Yang J.Applied Sciences (Switzerland)
Pham M.T.,Kim J.M.,Kim C.H.SCIENTIFIC REPORTS
Wei, Xiong; Wang, ZifanThe Computer Journal
Xinyan Yang; Rongchuan Zhang; Shao Li; Gang LiangIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
Qilei Li; Wenhao Song; Mingliang Gao; Wenzhe Zhai; Jianhao Sun; Gwanggil JeonSensors and Actuators, A: Physical
Qi S.,Wu X.,Chen W.H.,Liu J.,Zhang J.,Wang J.Expert Systems with Applications
Moghaddam S.A.V.,Al-Sahaf H.,Xue B.,Hollitt C.,Zhang M.IEEE/ASME Transactions on Mechatronics, Mechatronics, IEEE/ASME Transactions on, IEEE/ASME Trans. Mechatron.
Xia, M.; Li, T.; Xu, L.; Liu, L.; de Silva, C.W.한국데이터정보과학회지
이원석, 강현희Remote Sensing Letters
Kun Fu; Xian Sun; Menglong Yan; Wenhui Diao; Li Hao; Hao SunRemote Sensing Letters
Li, H.; Fu, K.; Yan, M.; Sun, X.; Sun, H.; Diao, W.Remote Sensing
Zhang T.,Wang W.,Wang J.,Cai Y.,Yang Z.,Li J.IEEE ACCESS
Al-Gaashani, Mehdhar S. A. M.; Alkanhel, Reem; Ali, Muthana Ali Salem; Muthanna, Mohammed Saleh Ali; Aziz, Ahmed; Muthanna, AmmarIEEE Geoscience and Remote Sensing Letters, Geoscience and Remote Sensing Letters, IEEE, IEEE Geosci. Remote Sensing Lett.
Huang, S.; Zhang, G.; Zhang, H.; Xu, H.; Yao, G.; Zhu, S.; Zhang, L.; Kong, J.Journal of Intelligent & Fuzzy Systems
Aqil M. Azmi; Amani A. Alahmadi; Hatim Aboalsamh; Muhammad HussainEnvironmental Earth Sciences
Qi ZhangIEEE Robotics and Automation Letters, Robotics and Automation Letters, IEEE, IEEE Robot. Autom. Lett.
Choi, C.; Schwarting, W.; DelPreto, J.; Rus, D.IEEE Transactions on Broadcasting
Jiang Z.,Zhu H.,Lu Y.,Ju G.,Men A.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 / 학사
이 과목은 측도 이론과 확률의 기본 개념과 이론을 익히기 위한 과목으로, 다음과 같은 주제를 공부한다. 측도 공간, 측도 가능함수, 적분, 곱공간, Lp공간, 분포, 평균, 조건부 평균, 모멘트 발생 함수, 특성함수, 랜덤 변수 수열, 중심극한 정리, 브라운 운동, 확률과정, filtration, stopping times, 브라운 운동의 존재성, 기본성질, 연속성과 불정칙성, 변동성 및 마코프 성질과 반사 원칙을 다룬다.전선 / 대학원
데이터사이언스와 관련한 여러 분야의 최근의 국내외 연구동향을 소개한다. 강의와 세미나를 통하여 관련분야의 최신 방법론과 특정 주제를 심도 있게 습득할 수 있도록 한다.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
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 대학원
패턴 인식은 데이터가 주어졌을 때 데이터에 대한 사전 지식이나 통계적 특성을 사용하여 패턴의 특징을 찾아내고 이를 사용하여 패턴을 분류하는 것이다. 데이터의 차원은 일반적으로 매우 커서 데이터를 파악하기가 매우 어렵다. 데이타가 어떤 부류에 속하는 지에 대한 사전 지식이 있을 경우에는 패턴 분류를 하는 방법으로는 Bayes 분류기, Maximum likelihood 방법, Discriminant Analysis, 신경회로망 등이 있다. 그리고 데이터에 대한 사전지식이 없는 경우에는 clustering 하는 방법을 통하여 데이터를 분류한다. 패턴 인식은 얼굴, 지문 등의 생체인식 분야에 많이 이용되고 있으며, 또한 많이 축적된 데이터로부터 새로운 지식을 찾으려하는데 사용되고 있다. 이 과목에서는 패턴 인식에서 사용하는 여러 방법을 소개하고 그 응용에 대하여 다룬다.전선 / 대학원
최근 급속도로 증가하고 있는 수많은 인공위성에 탑재된 센서들은 무엇이며, 이러한 센서들로부터 생성되는 위성자료의 종류, 구조, 검보정 방법들에 대해 배우며 이러한 자료들을 이용하여 다양한 과학기술 분야에서 어떻게 활용할 수 있을지에 대해 이해한다. 이 수업에서 Sentinel-1/2, TerraSAR-X, Lansat과 같은 실제 인공위성 자료들을 이용하여 자료처리 및 활용개발에 대한 실습도 수행한다.전선 / 대학원
최근 급속도로 증가하고 있는 수많은 인공위성에 탑재된 센서들은 무엇이며, 이러한 센서들로부터 생성되는 위성자료의 종류, 구조, 검보정 방법들에 대해 배우며 이러한 자료들을 이용하여 다양한 과학기술 분야에서 어떻게 활용할 수 있을지에 대해 이해한다. 이 수업에서 Sentinel-1/2, TerraSAR-X, Lansat과 같은 실제 인공위성 자료들을 이용하여 자료처리 및 활용개발에 대한 실습도 수행한다.전선 / 대학원
패턴 인식은 데이터가 주어졌을 때 데이터에 대한 사전 지식이나 통계적 특성을 사용하여 패턴의 특징을 찾아내고 이를 사용하여 패턴을 분류하는 것이다. 데이터의 차원은 일반적으로 매우 커서 데이터를 파악하기가 매우 어렵다. 데이타가 어떤 부류에 속하는 지에 대한 사전 지식이 있을 경우에는 패턴 분류를 하는 방법으로는 Bayes 분류기, Maximum likelihood 방법, Discriminant Analysis, 신경회로망 등이 있다. 그리고 데이터에 대한 사전지식이 없는 경우에는 clustering 하는 방법을 통하여 데이터를 분류한다. 패턴 인식은 얼굴, 지문 등의 생체인식 분야에 많이 이용되고 있으며, 또한 많이 축적된 데이터로부터 새로운 지식을 찾으려하는데 사용되고 있다. 이 과목에서는 패턴 인식에서 사용하는 여러 방법을 소개하고 그 응용에 대하여 다룬다.전선 / 대학원
디지털 영상 처리 및 분류를 통한 원격탐사 위성영상으로부터 추출 가능한 지리정보의 효과적인 판독 및 분류 기법을 습득하고 실제 실험 프로젝트를 통하여 위성영상의 판독 능력을 배양한다.전선 / 대학원
센서 정보를 통하여 공간 정보를 획득하고 구성하는 기술은 스마트 팩토리나 생산 설계에 있어 중요한 요소 기술이다. 이 강의는 동시적 위치 추정 및 지도 작성법으로 알려진, 센서 기반 위치 정보 추정과 공간 정보 구성에 대한 내용을 다룬다. 특히 센서가 탑재된 대상이 고정적이지 않은 무인이동체의 센싱을 학습하여, 위치 추정과 공간 정보 추정의 연결성을 배우고, 이를 통하여 스마트 팩토리나 자율 주행에 관심이 있는 학생들에게 관련 기초 지식과 활용 사례를 제공한다.전선 / 대학원
이 강좌는 석·박사 학위 논문 작성 등 교육연구에 필요한 통계적 분석에 대한 개념과 이론에 대한 폭넓은 이해를 돕고, 실제 교육연구에서 통계적 기법들을 적절히 활용할 수 있도록 하기 위한 것이다. 이를 위해 교육관련 각종 연구 자료의 특성(예: 다층 자료, 유목 자료, 연속 자료 등)에 적절한 통계적 기법들에 대한 소개와 함께 관련 컴퓨터 프로그램을 활용하여 실제로 분석할 수 있도록 하기 위한 것이다. 아울러 수강생들은 관심 있는 교육관련 자료를 분석하고 그 결과를 수업시간에 보고하는 기회를 가지게 될 것이다.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
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.전선 / 대학원
본 강좌는 고급 자료분석을 위한 모형기반 통계분석방법론에 대해 다룬다. 자료의 특징과 분석의 목적에 따라 적합한 통계모형을 제시하고, 자료를 적합, 적합된 통계모형의 해석을 통한 인사이트 제시등에 대해 다룬다. 프로젝트를 통해서 배운 방법들을 실제 데이터에 적용하고 발표한다. ● Linear model and linear mixed model ● Generalized linear model ● Shrinkage method and variable selection ● Graphical methods and causal Inference ● Bayesian methods전선 / 대학원
본 교과목은 데이터를 분석하여 유용한 정보를 추출하고 모델을 만들어 예측에 사용하는 데이터 마이닝에 대해 보다 깊이 있게 소개한다. 데이터마이닝의 중요한 알고리즘, 기반 기술, 대용량 데이터를 효과적으로 처리하는 마이닝 기술 등을 학습한다. 그리고 분산 시스템과 다수의 머신을 이용하여 빠르고 확장성 있게 대용량 데이터를 처리하는 방법을 논의한다. 또한 여러 실제 세계 응용에 어떻게 데이터마이닝을 적용하는지에 대해서도 논의한다. 주요 주제로 그래프 데이터 분석, 행렬/텐서 데이터 분석, 비정상 이벤트 탐지 등이 있다.전선 / 대학원
본 수업은 실제 운용되고 있는 SNS상에서 사용할 수 있는 도구들의 제작과 이를 통해 얻은 자료를 분석하는 기법을 익히는 것을 목표로 한다. SNS의 사용이 크게 증가함에 따라, 사용자들이 방대한 양의 자료를 웹상에서 제작, 공유하고 있다. 이러한 자료를 분석하면 기존의 방법으로는 알기 힘들었던 사용자의 취향이나 성향을 비교적 쉽게 파악할 수 있다는 연구 결과가 나오고 있다. 하지만 자료의 양이 방대할 뿐만아니라 자료의 형태도 다양해 여러가지 제한점이 있는 것도 사실이다. 본 강의는 SNS 상의 자료를 사용하여 어떻게 사용자에게 유용한 정보를 제공할 수 있는 지에 대해서 알아보고자 한다. 학생들은 Python을 이용하여 여러가지 SNS의 자료를 수집하고 분석하는 것을 배울 것이다. 단순한 수집뿐만아니라 수학적인 분석 기법에 대해서도 자세하게 다룰 예정이다.전선 / 학사
빅데이터는 실세계에서 일어나는 복잡한 문제를 해결하기 위한 통찰력을 제공한다. 이 과목은 빅데이터를 소개하며, 데이터 가공, 분석 및 시각화를 위한 프로그래밍 언어 (Python), 데이터 분석을 위한 통계 및 머신러닝 방법 등을 가르친다. 실습 및 프로젝트를 통해서 학생들이 실제 데이터를 분석할 수 있는 능력을 배양한다. 데이터 중심의 컴퓨팅, 정량적 사고와 추론, 탐색적 데이터 분석에 대한 강조를 통해 이 과목에서는 데이터 과학의 핵심 원리와 기술을 다룰 것이다.전선 / 대학원
노벨상을 수상한 AlphaFold는 통계 물리 이론에 기반한 확산(Diffusion) 기반 생성 모델을 활용하여 개발되었으며, 이는 최신 의료 인공지능 기술이 고급 확률 모델과 생성・추론 이론에 근거하고 있음을 시사합니다. 본 강의에서는 확산 기반 생성 모델(Diffusion Models)과 그 응용 기법을 포함한 최신 생성 및 추론 인공지능 모델의 핵심 이론을 확률론적 관점에서 체계적으로 탐구합니다. 특히, 확산 모델, 최적 확률 경로, 확률적 보간, 흐름 기반 모델 등의 최신 이론 기반 생성 기법의 데이터 분포 모델링 과정과 최적의 샘플을 생성・변환・복원・추론하는 과정을 심도 있게 분석합니다. 이를 통해 수강생들은 생성 및 추론 인공지능 모델의 확률적 구조와 수학적 원리를 이해하고, 최신 확산 기반 생성 모델 및 그 변형 기법들의 결과를 이론적으로 해석할 수 있는 능력을 갖추는 것을 목표로 합니다. 또한, 이러한 생성 및 추론 모델들이 의료 및 생의학 데이터를 포함한 다양한 도메인에서 어떻게 적용될 수 있는지를 이론적 관점 외 실습적 관점에서도 조망합니다. 궁극적으로, 본 강의는 생성 및 추론 인공지능 분야에서 어떻게 핵심 이론과 의료 분야 응용을 아우르는 전문성을 함양할 수 있도록 체계적인 학습 기회를 제공하는 것을 지향합니다.전선 / 대학원
본 수업은 실제 운용되고 있는 SNS상에서 사용할 수 있는 도구들의 제작과 이를 통해 얻은 자료를 분석하는 기법을 익히는 것을 목표로 한다. SNS의 사용이 크게 증가함에 따라, 사용자들이 방대한 양의 자료를 웹상에서 제작, 공유하고 있다. 이러한 자료를 분석하면 기존의 방법으로는 알기 힘들었던 사용자의 취향이나 성향을 비교적 쉽게 파악할 수 있다는 연구 결과가 나오고 있다. 하지만 자료의 양이 방대할 뿐만아니라 자료의 형태도 다양해 여러가지 제한점이 있는 것도 사실이다. 본 강의는 SNS 상의 자료를 사용하여 어떻게 사용자에게 유용한 정보를 제공할 수 있는 지에 대해서 알아보고자 한다. 학생들은 Python을 이용하여 여러가지 SNS의 자료를 수집하고 분석하는 것을 배울 것이다. 단순한 수집뿐만아니라 수학적인 분석 기법에 대해서도 자세하게 다룰 예정이다.