최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Kelham M; Jones TN; Rathod KS; Guttmann O; Proudfoot A; Rees P; Knight CJ; Ozkor M; Wragg A; Jain A; Baumbach A; Mathur A; Jones DA
2020 / European heart journal. Acute cardiovascular care
이미숙, 조준용, 차정훈, 조정환, 김현수, 田中喜代次, 杉山佳生, 竹島信生
2008 / 한국체육측정평가학회지
데이터가 존재하지 않습니다.
loading...
본 연구는 드론과 같은 임베디드 시스템에서 초분광 영상 분석 시 발생하는 시간 및 메모리 소모 문제를 해결하기 위해 기댓값 기반 밴드 선택 알고리즘을 제안합니다. 제안하는 알고리즘은 기존 방법 대비 처리 시간을 24시간에서 60-180초 내외로 단축하고, 메모리 사용량을 7.6GB에서 2.3GB로 감소시켰으며, 픽셀 분류 성능은 98% 이상을 유지했습니다.
Image analysis and processing : 8th international conferenc, ICIAP '95San Remo, Italy, September 13-15, 1995 : proceedings
Image technology : advances in image processing, multimedia and machine vision
Computational intelligence for remote sensing
Fourier, Hadamard, and Hilbert transforms in chemistry
(텐초의) 파이토치 딥러닝 특강 : CNN부터 GAN까지 15가지 신경망 예제 + 실무 노하우로 익히는 문제풀이 해법서
Subband image coding
Computer analysis of images and patterns : 5th International Conference, CAIP '93, Budapest, Hungary, September 13-15, 1993 : proceedings
Computer analysis of images and patterns : 8th International Conference, CAIP'99, Ljubljana, Slovenia, September 1-3, 1999 : proceedings
Image processing : = principles and applications
Intelligent image and video compression : communicating pictures
Database Systems for Advanced Applications : 24th International Conference, DASFAA 2019, Chiang Mai, Thailand, April 22–25, 2019, Proceedings, Part II
Hyperspectral imaging
Multidimensional processing of video signals
Signal processing methods for audio, images and telecommunications
Visual information representation, communication, and image processing
Intelligent data analysis and applications : proceedings of the Third Euro-China Conference on Intelligent Data Analysis and Applications, ECC 2016
Image processing for future high energy physics detectors : proceedings of the 18th Workshop of the INFN Eloisatron Project, Erice, Trapani, Italy, 14-18 November 1991
Electronics, Communications and Networks IV : Proceedings of the 4th International Conference on Electronics, Communications and Networks (CECNET IV), Beijing, China, 12-15 December 2014.
한국인터넷방송통신학회 논문지
장두혁, 정병현, 허준영한국인터넷방송통신학회 논문지
장두혁, 정병현, 허준영Journal of Applied Remote Sensing
Qianlan Zhou; Cao Yan; Chao Wang; Jing Zhang; Li ZhuoJournal of Applied Remote Sensing
Zhang, J.; Cao, Y.; Zhuo, L.; Wang, C.; Zhou, Q.International Journal of Remote Sensing
Bo Wu; Chongcheng Chen; Tahar Mohand Kechadi; Liya SunIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of, IEEE J. Sel. Top. Appl. Earth Observations Remote Sensing
Jiao, L.; Feng, J.; Liu, F.; Sun, T.; Zhang, X.IEEE Geoscience and Remote Sensing Letters, Geoscience and Remote Sensing Letters, IEEE, IEEE Geosci. Remote Sensing Lett.
Zhang, W.; Li, X.; Zhao, L.IEEE Geoscience and Remote Sensing Letters
Jie Fang; Zhijie Zhu; Guanghua He; Nan Wang; Xiaoqian CaoJournal of Computational Methods in Sciences and Engineering
Zhenyu He; Mengxi Xu; Jianqiang Shi; Quansen SunEvolutionary Intelligence
Paul A.,Chaki N.Multimedia Tools and Applications
Giri R.N.,Janghel R.R.,Pandey S.K.IEEE Transactions on Geoscience and Remote Sensing
Fu H.,Zhang A.,Sun G.,Ren J.,Jia X.,Pan Z.,Ma H.IEEE Transactions on Geoscience and Remote Sensing, Geoscience and Remote Sensing, IEEE Transactions on, IEEE Trans. Geosci. Remote Sensing
Wang, Q.; Zhang, F.; Li, X.REMOTE SENSING
Zhuang, Junbin; Chen, Wenying; Huang, Xunan; Yan, YunyiJournal of Real-Time Image Processing
Cao, Xianghai; Ji, Yamei; Wang, Lin; Ji, Beibei; Jiao, Licheng; Han, JungongExpert Systems with Applications
Wang M.,Zhang H.,Yin B.,Chen M.,Liu W.,Ye Z.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Journal of, IEEE J. Sel. Top. Appl. Earth Observations Remote Sensing
Sun, W.; Zhang, L.; Du, B.; Li, W.; Mark Lai, Y.Remote Sensing
Su P.,Tarkoma S.,Pellikka P.K.E.IEEE Geoscience and Remote Sensing Letters
Fang J.,Zhu Z.,He G.,Wang N.,Cao X.International Journal of Remote Sensing
Dave K.,Trivedi Y.N.전선 / 대학원
컴퓨터그래픽스 전반에 걸쳐 기본적인 개념들을 설명한다. 컴퓨터 그래픽스의 기본적인 렌더링 파이프라인, 물체들을 표현하는 여러 가지 방법, 빛을 나타내는 방법, 레이트레이싱, 볼륨렌더링 등의 특수한 렌더링 방법, 그림자나 질감을 나타내는 방법에 대해서 개론 형식으로 강의한다.전선 / 학사
본 강의에서는 Digital Signal Processing의 전반인 이론과 디지털 필터를 포함한 디지털 시스템의 설계를 다룬다. 전반부에서는 디지털 신호와 시스템의 기초, z-변환, 샘플링을 복습, 심화학습하며 후반부에서는 디지털 신호처리를 위한 여러 회로(필터), 필터 설계, 주파수 영역에서의 신호처리, 푸리에 변환의 고속계산 방법(Fast Fourier Transform), 간단한 스펙트럼 분석에 관한 학습을 한다. 디지털 필터와 시스템에 관한 내용에서는 여러 알고리즘을 이용하여 하드웨어 구현에 적합한 디지털 필터와 주파수 영역에서의 FFT를 이용한 컨벌루션 시스템을 설계해 본다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 학사
현대의 과학, 공학, 그리고 경영의 응용시스템은 데이터에 점점 더 많이 의존하게 되었지만 전통적인 데이터 분석 기술들은 복잡한 빅 데이터 시대에 맞도록 설계되어 있지 않는 실정이다. 데이터를 수집, 저장, 가공하여 그 안에서 지식을 추출하는 빅 데이터 분석은 새로운 과제들을 탐구하는 흥미 있고 빠르게 발전하는 하나의 학문으로 등장하였다. 본 강의에서는 프로그래밍 경험이 많지 않는 학생들을 대상으로 데이터의 수집 및 분석뿐만 아니라 데이터 프로그래밍 언어의 사용에도 초점을 맞춰 이를 바탕으로 빅 데이터 분석의 토대를 마련하는 것을 목표로 한다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.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
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
본 과목은 데이터사이언스를 위해 고성능 컴퓨팅(high-performance computing, HPC) 시스템을 사용하는 방법을 배운다. 본 교과목의 전반부는 (1) 순차 컴퓨터 시스템의 구조와 동작원리를 배워 시스템 프로그래밍 능력을 배양하며, (2) Process management, CPU scheduling, 네트워크의 기초 등 Linux 시스템의 전반적인 동작원리를 배운다. 강좌의 중반부에서는 (1) 병렬처리 시스템의 구조와 동작원리를 배운 뒤, (2) 병렬화, 최적화 기법 등을 다루며, (3) 딥 러닝 시스템에 대한 최적화 기법 등을 다룬다. 본 교과목의 후반부에서는 (1) 병렬처리 시스템을 프로그래밍하는 다양한 방법들 중 OpenMP, MPI, OpenCL, CUDA 로 병렬처리 시스템을 프로그래밍하는 방법을 배우며, 마지막으로 (2) Spark와 같은 distributed processing platform 및 (3) Dockers와 Kubernetes와 같은 virtualization에 대하여 다룬다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 대학원
이 강좌는 실험심리학에서 최근의 중요 연구들을 소개하고 인간 마음의 기본 원리를 탐색 및 논의하는 세미나이다. 우선 강의 초에 인간의 생리, 지각 및 인지 수준에서 일반이론을 소개하고 그 문제점들을 알아본다. 이 이론들에 기초하여, 이 강좌에서는 시각, 주의, 언어, 문제 해결, 인간 추리 등의 세부 주세를 다룬다. 또한 이 강좌에서는 이런 주제들에 관해 실험 실습을 통해 학생들의 구체적인 이해의 증진을 시도한다.전선 / 대학원
이 교과목은 학부과정의 데이터 통신망에서 학습한 TCP/IP 인터넷 프로토콜을 간단히 복습을 한다. 이에 관련된 프로토콜로는 LAN, ARP, TCP, ICMP을 들 수가 있다. 이러한 프로토콜들은 인터넷에서 패킷 전달과정을 기술하며 에러가 발생했을 경우 복구하는 방법들을 나타내고 있다. 교과내용은 주로 네트웍 프로토콜의 성능분석에 초점을 맞추게 된다. 패킷전달시 소요되는 지연시간 분석을 위해 지연시간에 대한 모델링을 심도있게 다룬다. 패킷의 효과적 전달을 위한 최적의 라우팅 기법을 살펴보고 이에 대한 최적화 기법에 대하서도 살펴본다. 네트웍 프로토콜의 깊이 있는 이해를 위해 네트웍 프로그래밍 숙제가 별도로 요구된다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
디지털 병리 영상은 조직 및 세포 대상의 영상으로, 인공 지능 및 디지털 기술의 발달로 의료 디지털 영상 자료의 주요 자원으로 부상하고 있다. 병리학은 생물의 구조 단위를 현미경 수준으로 관찰하고 분석 연구하는 분야로 생물학과 임상학의 이론과 실제를 중개하는 학문 분야이다. 이 강좌에서는 병리 디지털 영상의 병리학적 기본 구성을 이해하고, 임상 및 생물학적 연구 분석을 위해 사용되는 이미지 분석법에 대하여 고찰하고 토론한다. 이 강좌를 통하여 학생들의 병리 영상 속의 병리학적 기초와 의미, 영상 획득의 기술적 방법 및 종류, 디지털 병리 영상 분석의 최신 기법 및 임상 및 연구에서의 활용법에 대한 최신 트랜드를 배운다.전선 / 대학원
컴퓨터, 모바일기기, 데이터서버, AI 시스템 등 다양한 컴퓨팅 기기들의 성능은 그 시스템을 구성하는 각 칩의 연산 속도뿐만 아니라, 칩과 칩 사이에서 데이터를 주고 받는 통신속도 및 지연시간에 크게 영향을 받는다. 고속인터페이스 회로기술은 바로 칩 간의 데이터를 빠르게 주고받기 위한 회로 및 시스템 기술을 통칭하며, 전송선로 이론에 기반한 채널의 설계, 디지털 통신을 활용한 고속 송수신기 및 등화회로 설계, 그리고 정밀한 타이밍 생성 및 복원을 위한 phase/delay-locked loop 설계의 3요소로 구성되어 있다. 특히, 최근에는 디지털 시스템 설계의 효율성을 활용할 수 있는 ADC 기반의 송수신기, 칩을 구성하는 새로운 방식인 칩렛(chiplet)에 필요한 고밀도 저전력의 die-to-die 인터페이스, 그리고 칩상에 집적되는 광소자를 이용한 광통신 회로인 실리콘 포토닉스 등이 새로운 동향으로 떠오르고 있다. 본 교과목은 다양하게 활용되는 고속인터페이스 설계에 필요한 회로뿐만 아니라, 시스템 설계에 필요한 채널 이론, 통신 이론, 신호처리, 피드백 제어이론 등의 인접분야를 함께 다루고, 이들에 대한 통찰력 높은 이해를 통해 고성능, 저전력, 고밀도의 고속인터페이스를 구성할 수 있는 설계역량을 배양한다.전선 / 대학원
본 과목에서는 고차원 데이터의 저차원 표현을 학습하기 위한 기하학적 방법을 소개한다. 미분 기하학의 기초(구체적 주제는 리만 다양체 및 Lie 그룹, 텐서, 커넥션 및 fiber 번들 포함)를 다룬 후, 고차원 데이터에 대한 기존 기계 학습 알고리즘(예: 매니폴드 러닝, 메트릭 러닝)의 기하학적 일반화 방법을 개발하여, 대칭적 구조가 존재하는 고차원 비유클리디언 데이터 문제에 적용한다. 위와 같은 방법을 구현하기 위한 효율적인 계산 알고리즘도 소개한다. 후반부에는 Ito 확률 미분 방정식의 관점에서 강화 학습과 확률 최적 제어 간의 관계를 고찰하여, 고차원 비유클리디언 데이터 강화 학습 문제에 적용 가능한 기하학적 방법도 개발한다.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
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
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.