최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Xu, Dezhou; Zheng, Chunhua; Cui, Yunduan; Fu, Shengxiang; Kim, Namwook; Cha, Suk Won
2023 / International Journal of Precision Engineering and Manufacturing-Green Technology
데이터가 존재하지 않습니다.
loading...
하이브리드 차량의 에너지 효율을 높이고 수명을 연장하기 위해 전력 분배 문제를 해결하는 에너지 관리 전략(EMS) 분야에 학습 알고리즘이 적용되고 있다. 본 논문은 하이브리드 차량 EMS에 적용된 강화 학습 및 딥러닝 알고리즘을 분류하고 검토하며, 각 알고리즘의 장단점을 논의한다.
Hybrid Electric Vehicles : Energy Management Strategies
Hybrid electric vehicles : principles and applications with practical perspectives
Intelligent control and smart energy management : renewable resources and transportation
Introduction to hybrid vehicle system modeling and control
Control using logic-based switching
Advanced battery management technologies for electric vehicles
Recent advances in robot learning
Handbook of neural computation
Efficient learning machines : theories, concepts, and applications for engineers and system designers
Electric and hybrid vehicles : technologies, modeling, and control : a mechatronic approach
Sustainable developments by artificial intelligence and machine learning for renewable energies
Vehicular electric power systems : land, sea, air, and space vehicles
Autonomous Intelligent Vehicles : Theory, Algorithms, and Implementation
Handbook of learning and approximate dynamic programming
HCI International 2023 Posters : 25th International Conference on Human-Computer Interaction, HCII 2023, Copenhagen, Denmark, July 23–28, 2023, Proceedings, Part V
Plug in electric vehicles in smart grid : charging strategies
Plug in electric vehicles in smart grids : integration techniques
Learning in embedded systems
Electric vehicle systems architecture and standardization needs : reports of the PPP European Green Vehicles Initiative
Robot learning
ENERGY AND AI
Boukoberine, Mohamed Nadir; Zia, Muhammad Fahad; Berghout, Tarek; Benbouzid, MohamedENERGY
Qi, Chunyang; Zhu, Yiwen; Song, Chuanxue; Yan, Guangfu; Wang, Da; Xiao, Feng; Zhang, Xu; Cao, Jingwei; Song, ShixinIEEE Transactions on Vehicular Technology
Xiaolin Tang; Jiaxin Chen; Teng Liu; Yechen Qin; Dongpu CaoIEEE Transactions on Vehicular Technology
Tang X.,Chen J.,Liu T.,Qin Y.,Cao D.Journal of Power Sources
Xu, Dezhou; Cui, Yunduan; Ye, Jiaye; Cha, Suk Won; Li, Aimin; Zheng, ChunhuaCHINESE JOURNAL OF MECHANICAL ENGINEERING
Tang, Xiaolin; Chen, Jiaxin; Qin, Yechen; Liu, Teng; Yang, Kai; Khajepour, Amir; Li, ShenENERGIES
Zhang, Fengqi; Wang, Lihua; Coskun, Serdar; Pang, Hui; Cui, Yahui; Xi, JunqiangIEEE Transactions on Vehicular Technology
Yue Hu; Hui Xu; Zhonglin Jiang; Xinyu Zheng; Jianfeng Zhang; Wenhui Fan; Kun Deng; Kun XuIEEE Transactions on Vehicular Technology
Hu Y.,Xu H.,Jiang Z.,Zheng X.,Zhang J.,Fan W.,Deng K.,Xu K.RENEWABLE & SUSTAINABLE ENERGY REVIEWS
Ganesh, Akhil Hannegudda; Xu, BinJournal of Power Sources
Zheng C.,Zhang D.,Xiao Y.,Li W.Energy Technology
Liu X.,Wang Y.,Zhang K.,Li W.IEEE Transactions on Intelligent Transportation Systems
Haochen Sun; Fazhan Tao; Zhumu Fu; Aiyun Gao; Longyin JiaoIEEE Transactions on Industrial Informatics
Hu B.,Xiao Y.,Zhang S.,Liu B.IEEE Transactions on Transportation Electrification
Sotoudeh S.M.,Homchaudhuri B.Engineering Applications of Artificial Intelligence
Mei P.,Karimi H.R.,Xie H.,Chen F.,Huang C.,Yang S.IEEE Transactions on Industrial Electronics
Hu B.,Li J.International Journal of Automotive Technology
Song, Changhee; Kim, Kiyoung; Sung, Donghwan; Kim, Kyunghyun; Yang, Hyunjun; Lee, Heeyun; Cho, Gu Young; Cha, Suk WonJournal of Power Sources
Qi C.,Zhu Y.,Song C.,Cao J.,Xiao F.,Zhang X.,Xu Z.,Song S.ENERGY
Wang, Hanchen; Ye, Yiming; Zhang, Jiangfeng; Xu, Bin전선 / 대학원
본 과정은 선형 시스템, 전달 함수, 라플라스 변환에 대하여 소개한다. 안정성과 피드백을 다루고 과도 응답 사양을 위한 기본 설계 도구를 제공한다. 또한 주파수 영역 기술도 간략하게 다룬다. 이 과정에는 컴퓨터 프로그래밍 실습 및 제어 설계 프로젝트가 포함된다. 실습 프로젝트에 관련된 전공은 조선해양공학은 물론 로봇공학, 기계공학, 전자공학, 전기공학, 산업응용수학 등이다.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 / 학사
이 과목은 자동차 환경규제와 제도의 대응을 위해 개발되는 다양한 자동차 동력원들에 대한 소개를 한다. 기계공학 관점에서의 자동차엔진의 원리와 효율, 성능에 영향을 미치는 인자들을 공부하고, 엔진과 모터의 결합체인 하이브리드시스템의 원리와 구조 그리고 시스템 장점에 대해서 학습한다. 전기차 배터리시스템의 구조와 요구사항, 자동차용 PEM 연료전지 시스템의 기본 이해와 연료전지 시스템의 최적성능과 효율을 위한 BOP 특성에 대해서 공부하고, 자동차 동력원 시스템의 해석능력을 배양하고 새로운 환경규제 대응을 위한 동력원의 신기술을 소개한다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.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
주어진 지식과 경험을 바탕으로 앞으로 주어질 작업을 효율적이고 체계적으로 수행할수 있는 컴퓨터 프로그램 개발에 많은 연구가 계속되어 오고 있다. 이러한 연구의 핵심 분야인 기계 학습(Machine Learning)에 관한 강의로써 현재까지 발표된 대표적인 연구 논문들을 중심으로 이론및 알고리즘, 응용 분야등을 설명한다.전선 / 대학원
본 과목에서는 농식품 산업에서의 공급망 및 운영전략과 관련하여 기후변화 및 지속가능성, 공급망 레질리언스 및 글로벌 공급망 운영전략 등의 관점에서 기본적인 이론과 모형을 습득하고 해당 분야의 최근 연구 동향을 살펴보는 것을 목표로 한다. 구체적으로 공급망 입지 및 네트워크, 구매 전략, 공급망 협력, 생산 및 운영전략, 공급망 혁신기술 등의 연구 분야에서 주요 연구 결과를 논의하고 새로운 연구 문제를 창출할 수 있도록 한다.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 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
본 강의는 농식품 공급망에서의 레질리언스 역량 강화에 대한 이론 및 모형을 다루고 농식품 공급망 레질리언스와 관련된 주요 이슈 및 연구 동향을 살펴보며 이를 통해 공급망 레질리언스 구축 방안에 대해 심층적으로 논의하는데 그 목표를 두고 있다. 구체적으로 농식품 공급망에서의 다양한 리스크 요인들을 살펴보고 이에 대해 공급망 입지 및 공급망 설계, 구매 및 공급자 관리, 생산 및 운영 등의 전략적 접근 방안을 다루게 된다.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 / 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
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.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
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
인간이 운동을 생성하고 조절 할 때 사용되는 기전을 밝히고, 이 때에 적용되는 원리를 규명하는 것이 운동 제어 연구이다. 최근에 복잡한 인간의 신경체계와 근육체계로 인한 무한한 자유도 생성의 문제와 협응구조의 개념을 통한 학습을 하게 될 것이다.전필 / 대학원
인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, AI융합전공 수강생들은 인공지능(AI)을 교과 수업 상황에 융합하여, 수업을 설계하고 실행할 수 있는 역량이 요구된다. 이 강의는 AI융합전공 수강생들이 인공지능(AI) 자체에 대한 수업과, 인공지능(AI) 학습도구를 활용한 인공지능(AI)-교과 융합수업을 설계하고, 실행할 수 있는 역량을 갖추는 것을 목적으로 한다. 이를 위해 AI융합전공 수강생들은 먼저, 인공지능(AI) 자체에 대한 수업 설계 역량을 기른다. 그리고 실제적이고 집중적인 교육을 통해, 이 교과목은 수강생들의 인공지능 교과 융합 수업을 설계하고 실행하는 역량 증진시킬 것이다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 학사
본 교과목은 최근 농업기계, 건설기계 등의 노외기계에서도 이슈화되고 있는 전기트랙터의 구동시스템에 대한 것으로 총 3가지 주제로 구성된다. 첫 번째 주제는 배터리로서, 배터리의 작동 원리와 용량 선정과 같은 기본적인 이론뿐 아니라 BMS(battery management system), 열관리시스템에 대한 응용까지 배터리 개론에 대해 폭넓게 다룬다. 두 번째 주제는 인버터이며, 배터리의 직류 전류를 전기모터가 요구하는 3상 교류 전류로 변환하는 인버터(inverter)뿐 아니라 DC-DC converter에 대한 작동 원리 및 회로 분석에 대해 다룬다. 마지막 주제는 전기모터로서, 전기모터의 구동원리와 직류모터인 PMDC, BLDC 모터, 교류모터인 유도모터와 동기모터의 특성에 대해 다룬다.전선 / 대학원
본 강의에서는 미래 자동차 모빌리티 공학에 있어 필수 내용을 다룬다. 자율 및 친환경 에너지 모빌리티의 분야에서 필요한 세부 공학에 대해 학습하며, 이와 관련된 기술과 현황을 이해한다. 자동차 전동화 및 소프트웨어의 설계, 연구, 개발 등 전반에 대한 깊이 있는 이해를 목표로 학습한다. 또한, 모빌리티 산업의 기술 전략 및 발전 방향에 대해 알아보며, 앞으로 변모할 자동차 모빌리티 산업의 미래를 전망한다.