최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
강성환, 신요섭, 이세훈, 박준현, 강재모
2022 / 한국지능시스템학회 논문지
데이터가 존재하지 않습니다.
loading...
본 논문은 금속 외관 결함 탐지 시 발생하는 바운딩 박스 중첩으로 인한 오탐 문제를 해결하기 위해 Exponential NMS를 제안합니다. 제안하는 기법은 YOLOv4 및 EfficientDet 모델에서 기존 NMS 방식 대비 평균 정밀도와 F1-score를 향상시켜 우수한 성능을 입증했습니다.
Electronic engineering and information science : proceedings of the 2015 International Conference on Electronic Engineering and Information Science (ICEEIS 2015), 17-18 January 2015, Haikou, P.R. China
Automotive, mechanical and electrical engineering : proceedings of the 2016 International Conference on Automotive Engineering, Mechanical and Electrical Engineering (AEMEE 2016), Hong Kong, China, 9-11 December 2016
Intelligent Computing Methodologies : 15th International Conference, ICIC 2019, Nanchang, China, August 3–6, 2019, Proceedings, Part III
Nonnegative matrix and tensor factorizations : applications to exploratory multi-way data analysis and blind source separation
Artificial intelligence tools : decision support systems in condition monitoring and diagnosis
Mastering system identification in 100 exercises
Intelligent Computing Theories and Application : 15th International Conference, ICIC 2019, Nanchang, China, August 3–6, 2019, Proceedings, Part II
Energy science and applied technology : proceedings of the 2nd International Conference on Energy Science and Applied Technology (ESAT 2015), Wuhan, China, 28-30 August 2015
Neural Information Processing : 26th International Conference, ICONIP 2019, Sydney, NSW, Australia, December 12–15, 2019, Proceedings, Part V
Engineering systems with intelligence : concepts, tools, and applications
SPSS statistics for data analysis and visualization
Artificial Intelligence Applications and Innovations : 17th IFIP WG 12.5 International Conference, AIAI 2021, Hersonissos, Crete, Greece, June 25–27, 2021, Proceedings
Optimization and control methods in industrial engineering and construction
Multiple approaches to intelligent systems : 12th International Conference on Industrial and Engineering Applications of Artificial Intelligence and Expert Systems, IEAAIE-99, Cairo, Egypt, May 31-June 3, 1999 : proceedings
(그림으로 배우는) StatQuest 머신러닝 강의
Weighted approximation with varying weight
Applied reliability
Structural health monitoring : a machine learning perspective
BioNMR in drug research
Algorithmics : theory and practice
Sensors
Zheng J.,Wu H.,Zhang H.,Wang Z.,Xu W.Mathematics
Kang S.H.,Palakonda V.,Kim I.M.,Kang J.M.,Yun S.ISIJ INTERNATIONAL
Wei, Rubo; Song, Yonghong; Zhang, YuanlinJournal of Korean Institute of Intelligent Systems
Seong-Hwan Kang; Yo-Seob Shin; Se-Hun Lee; Jun-Hyun Park; Jae-Mo KangMultimedia Tools and Applications
Zheng Y.,Qin L.,Qiu T.,Zhou A.,Xu P.,Xue Z.Computers, Materials and Continua
Dong W.,Liu Z.,Yang M.,Wu Y.IEEE Sensors Journal
Su, Y.; Yan, P.; Lin, J.; Zhu, K.; Jiang, Y.Materials Research Express
Xu L.,Zhang X.,Ma F.,Chang G.,Zhang C.,Li J.,Wang S.,Huang Y.Biomedical Signal Processing and Control
Liang H.,Cheng Z.,Zhong H.,Qu A.,Chen L.Neurocomputing
Zhao H.,Wang J.,Dai D.,Lin S.,Chen Z.Journal of Optics
LIU, Xiaoqun; LIU, Mei; LI, NingEngineering Applications of Artificial Intelligence
Zhang X.,Li F.,Hu X.T.,Fang J.IEEE Access
Shi T.,Ding Y.,Zhu W.Frontiers in Physics
Zhang Y.,Xie F.,Huang L.,Shi J.,Yang J.,Li Z.APPLIED SCIENCES-BASEL
Wang, Hao; Xiao, NanfengCluster Computing
Zhao S.,Li G.,Zhou M.,Li M.ADVANCED ENGINEERING INFORMATICS
Zhong, Hao; Fu, Daxing; Xiao, Ling; Zhao, Fang; Liu, Jie; Hu, Youmin; Wu, BoApplied Sciences (Switzerland)
Zhou Y.,Wen S.,Wang D.,Mu J.,Richard I.Drones
Cheng Q.,Wang H.,Zhu B.,Shi Y.,Xie B.IEEE Transactions on Intelligent Vehicles, Intelligent Vehicles, IEEE Transactions on, IEEE Trans. Intell. Veh.
Wang, L.; Zhang, X.; Zhao, F.; Wu, C.; Wang, Y.; Song, Z.; Yang, L.; Xu, B.; Li, J.; Ge, S.S.전선 / 대학원
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.전선 / 대학원
선형시스템의 최적추정자인 칼만필터를 기본으로 하여 모델의 불확실성을 고려한 적응필터 및 강인필터, 계산량을 줄이기 위한 슈미트필터, 다양한 측정치에 대한 내고장을 높이기 위한 분산필터를 소개한다. 또한 비선형 모델에 대한 확장칼만필터를 기반으로 최근에 많은 연구가 되고 있는 무향 칼만필터 (Unscented Kalman Filter)에 대한 특성을 분석한다. 마지막으로 상태변수가 정규분포를 가지지 않을 때 최적의 필터로 최근에 각광을 받고있는 다양한 입자필터 (Particle Filter)를 소개한다. 수업에서 소개된 필터는 INS/GPS 결합시스템과 레이더 추적문제에 적용한다.전선 / 대학원
본 교과목은 단순히 기존의 가속기를 활용하는 수준을 넘어, 차세대 AI 반도체 분야의 창업 및 핵심 개발에 필요한 맞춤형 AI 추론 엔진 개발 능력을 배양하는 것을 목표로 한다. 이를 위해 최첨단 설계 방법론인‘알고리즘-소프트웨어-하드웨어 통합 설계(Co-design)'에 대한 깊이 있는 이론과 실전 경험을 제공한다. 수강생들은 GPU와 같은 범용 하드웨어의 한계를 이해하고, 특정 LLM 알고리즘에 최적화된 하드웨어를 직접 설계함으로써 전력, 비용, 속도 측면에서 압도적인 경쟁력을 갖춘 엣지 AI 솔루션을 구현하는 방법을 학습한다. 특히, 최신 경량화 기술인 저비트 양자화(Low-bit Quantization) 기법을 알고리즘 단계에서 적용하고, 이를 C++ 기반의 고수준 합성(High-Level Synthesis, HLS)을 통해 FPGA 상에 하드웨어 로직으로 구현하는 전 과정을 실습한다. 최종적으로는 SoC(System on Chip) 환경에서 프로세서(PS)와 프로그래머블 로직(PL)을 연동하여 완전한 LLM 추론 가속 시스템을 구축하는 프로젝트를 통해, 아이디어를 실제 하드웨어 프로토타입으로 구현하는 역량을 완성한다.전선 / 대학원
본 교과목은 단순히 기존의 가속기를 활용하는 수준을 넘어, 차세대 AI 반도체 분야의 창업 및 핵심 개발에 필요한 맞춤형 AI 추론 엔진 개발 능력을 배양하는 것을 목표로 한다. 이를 위해 최첨단 설계 방법론인‘알고리즘-소프트웨어-하드웨어 통합 설계(Co-design)'에 대한 깊이 있는 이론과 실전 경험을 제공한다. 수강생들은 GPU와 같은 범용 하드웨어의 한계를 이해하고, 특정 LLM 알고리즘에 최적화된 하드웨어를 직접 설계함으로써 전력, 비용, 속도 측면에서 압도적인 경쟁력을 갖춘 엣지 AI 솔루션을 구현하는 방법을 학습한다. 특히, 최신 경량화 기술인 저비트 양자화(Low-bit Quantization) 기법을 알고리즘 단계에서 적용하고, 이를 C++ 기반의 고수준 합성(High-Level Synthesis, HLS)을 통해 FPGA 상에 하드웨어 로직으로 구현하는 전 과정을 실습한다. 최종적으로는 SoC(System on Chip) 환경에서 프로세서(PS)와 프로그래머블 로직(PL)을 연동하여 완전한 LLM 추론 가속 시스템을 구축하는 프로젝트를 통해, 아이디어를 실제 하드웨어 프로토타입으로 구현하는 역량을 완성한다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.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
본 과목에서는 유한요소해법, 유한체적법, Spectral methods, A posteriori error estimate, Adaptive methods, Nonconforming methods 등 편미분방정식의 최근 발전된 수치해법, 선형 및 비선형 방정식의 직접 및 반복 해법, 최적화 문제의 수치해법, 확률 및 통계문제의 수치해법, 몬테 카를로 해법 등과 관련된 최신 과학계산 이론과 더불어 이러한 이론을 과학, 공학의 주요 방정식에의 적용한 응용사례에 대한 최신의 선택적 주제를 배우도록 한다.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.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
멀티스케일 현상을 이용하는 전형적인 소자 및 시스템인 MEMS(Micro Electro Mechanical Systems) 및 NEMS(Nano Electro Mechanical Systems)를 직접 제작, 측정 하는 실험 및 실습과목이다. 나노 및 마이크로 현상을 이용하는 각종 공정의 원리 및 공정의 설계 방식을 습득하고 top-down 및 bottom-up 방식의 제작 중 전형적인 접근방식들을 실제로 구현하고 비교한다.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
다른 과목에서 배운 계량적 분석방법을 현실 농업문제에 응용한다. 비교정학(comparative statics)에 의한 모형분석, 칼만 필터(Kalman filter), 뉴럴 네트워크(neural network), 유전자 알고리즘(genetic algorithm), 부트 스트랩핑(boot strapping), 커널 추정(kernel estimation) 등을 다룬다.전선 / 대학원
비선형혼합효과모델을 활용한 집단약동학-약력학적 분석은 계량임상약리학의 탑-다운적 이해를 위해 가장 흔하게 사용되는 방법이다. 이 과목의 목표는 계량임상약리학 분야에서 비선형혼합효과모델 분석에 가장 많이 사용되는 프로그램인 NONMEM 소프트웨어 및 연관 소프트웨어의 기본적인 활용법과 구체적인 사용례를 심도있게 검토하고 다양하게 살펴봄으로써 실제 의약품 개발에 활용할 수 있는 능력과 경험을 함양하는 것이다.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
경제를 계량적으로 파악하는 것은 현대 경제학에 있어서 아주 중요한 의미를 갖는다. 이 과목은 대학원에서 계량경제학을 전공하는 학생들이 계량경제학의 중요한 토픽들을 심화하여 이해할 수 있도록 하는 것을 목적으로 한다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전선 / 대학원
이 교과목은 대학원생들을 대상으로, 현재 사용되고 있는 최신 암호 알고리즘을 설명한다. 이 과목은 다음과 같이 두 부분으로 구성된다: 첫째, DES, IDEA, RC5, RC6 와 같은 블록 암호 알고리즘들을 각각 키(key) 생성, 암호화, 복호화 하는 과정으로 설명한다. 둘째, 전자 서명에 근거한 다양한 인증 기법을 소개한다. DMDC, MD5, SHA-1, HMAC 와 같은 다양한 해쉬(hash) 함수를 사용하여 문장을 축약하고 인증하는 방식을 제시한다.전선 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.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 강의에서는 제조시스템의 동적 스케줄링을 자동화/최적화하기 위한 심층강화학습을 학습한다. 우선, 전통적인 강화학습 이론에 대한 이해를 위해 MDP(Markov Decision Process), Dynamic Programming, Temporal Difference Control을 학습하고, 복잡한 문제 해결을 위한 근사방법으로 Function Approximation 및 Policy Gradient 이론을 학습한다. 다음으로, 강화학습에 심층인공신경망을 접목한 심층강화학습을 위해 DQN(Deep Q-Network), AC(Actor Critic) 등의 심층강화학습 이론을 학습한다. 마지막으로, permutation flowshop scheduling, flexible jobshop 등 대표적인 제조유형의 스케줄링 문제에 심층강화학습을 적용하는 이론 및 실습을 진행한다. 이때 대표 제조유형에 대한 환경은 DES 시뮬레이션 방법을 적용하여 실제 제조시스템의 복잡한 제약조건들을 반영할 수 있도록 한다.