최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Lee, Sang-Yeon; Jeong, Deuk-Young; Choi, Jinseo; Jo, Seng-Kyoun; Park, Dae-Heon; Kim, Jun-Gyu
2024 / ETRI JOURNAL
데이터가 존재하지 않습니다.
loading...
본 연구는 육상 양식장에서 용존 산소(DO) 결측치를 예측하기 위해 LSTM 모델을 도입했습니다. 실험 결과, LSTM 모델은 약 3.25%의 오차율로 DO 수준을 예측하며, 양식장 수질 관리에 활용될 수 있습니다.
Deep learning for hydrometerology and environmental science
Dynamic modeling for marine conservation
Phytoplankton modelling by means of optimizing : a 10-year experience with BLOOM II
Agricultural systems modeling and simulation
Projecting the world food supply and demand using a long-term dynamic simulator
Renewable resource management : proceedings
Quantitative methods for conservation biology
Advances in intelligent data analysis : third international symposium, IDA-99, Amsterdam, The Netherlands, August 1999 : proceedings
Eutrophication processes in coastal systems : origin and succession of plankton blooms and effects on secondary production in Gulf Coast estuaries
Analysing ecological data
Ground water modeling in multilayer aquifers: steady flow
Practical applications of agricultural system models to optimize the use of limited water
Prospective analysis of aquaculture development : the Delphi method
Maximum entropy and Bayesian methods : proceedings of the fifteenth International Workshop on Maximum Entropy and Bayesian Methods, Santa Fe, New Mexico, USA, 1995
The potential of spatial planning tools to support the ecosystem approach to aquaculture : FAORome Expert Workshop, 19-21 November 2008, Rome, Italy
Computational optimization and applications in engineering and industry
생육반응과 국지기상모델을 결합한 배 생장 및 품질예측 기술 개발 =
FAO fisheries technical paper
User guide for LARM2 : a longitudinal-vertical, time-varying hydrodynamic reservoir model
International Journal of Data Science and Analytics
Kim, W.; Jun, M.; Cho, Y.-J.; Jeong, H.Environmental Science and Pollution Research
Li W.,Wei Y.,An D.,Jiao Y.,Wei Q.Korean Journal of Agricultural Science
임희성, 안현욱, Eunhyuk Choi, 김연수Nongye Jixie Xuebao/Transactions of the Chinese Society for Agricultural Machinery
Chen Y.,Fang X.,Mei S.,Yu H.,Yang L.Computers and Electronics in Agriculture
Huan J.,Li H.,Li M.,Chen B.Applied Sciences (Switzerland)
Eze E.,Ajmal T.Information Processing in Agriculture
Li W.,Wu H.,Zhu N.,Jiang Y.,Tan J.,Guo Y.Environmental Science and Pollution Research
Sankarasubbu Rajagopal; Sundaram Sankar Ganesh; Alagar Karthick; Thangavel SampradeeprajSENSORS
Hu, Zhuhua; Zhang, Yiran; Zhao, Yaochi; Xie, Mingshan; Zhong, Jiezhuo; Tu, Zhigang; Liu, JuntaoAquaculture International
Song K.,Yang Y.,Luo H.Environmental Science and Pollution Research
Wu Y.,Sun L.,Sun X.,Wang B.Water (Switzerland)
Eze E.,Halse S.,Ajmal T.Frontiers in Marine Science
Yang H.,Sun M.,Liu S.한국통신학회논문지
이정호; 백정현; 양오석Journal of The Institution of Engineers (India): Series B: Electrical, Electronics & Telecommunication and Computer Engineering
Rasheed Abdul Haq, K. P.; Harigovindan, V. P.Journal of environmental management
Chen X; Sun W; Jiang T; Ju HInformation Processing in Agriculture
Chen Li; Zhenbo Li; Jing Wu; Ling Zhu; Jun YueEnvironmental Earth Sciences
Song C.,Yao L.Aquaculture International
Min He; Meng Cui; Qinyue Zheng; Longqin Xu; Shuangyin LiuAquaculture International
Tonglai Liu; Min He; Zhuhong Che; Shuangyin Liu; Longqin Xu전선 / 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 / 대학원
어류를 이용한 실험기법, 어류 질환모델 동물 등을 강의한다.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 강좌는 대학원생을 위한 고급 계산생물학 교과목으로 (1) 데이터 전처리 및 정규화(RT-PCR/western blotting data normalization), (2) 기본 통계 및 가설검증 방법(hypothesis testing, multiple testing correction, Bayesian 통계 등), (3) 다변량 통계 기반 데이터 시각화 및 회귀분석(주성분분석, 다변량 회귀분석, 주요 변수 추출 등), (4) 오믹스 데이터 기본 분석(데이터 정규화, 매핑, 발현/활성 차이 유전자/단백질 선별), (5) 타겟 분자 예측(마이크로RNA 타겟 예측 등), (6) 다양한 바이오리소스 및 활용 방법(지놈브라우져, 다양한 데이터베이스 및 활용, 생체네트워크 모델링 및 메커니즘 예측) 등의 생물학 연구에 있어서 유용한 기본 분석 및 리소스 활용 방법들을 학습한다. (7) 단백질 예측 (단백질 서열의 특성을 예측하는 in-silico 방법). 학습한 방법들을 적용할 수 있는 텀프로젝트 과제를 부여한다. 이 텀프로젝트에서는 각자 가지고 있는 생물학적 문제에 학습한 방법을 올바르게 적용했는가를 평가한다.전선 / 학사
인공지능의 발전 및 데이터의 축적으로 최근 재료공학분야에서 기계학습이 활발히 적용되고 있고 새로운 재료설계방법으로 떠오르고 있다. 본 강좌에서는 학생들에게 기계학습 및 통계추론에 대한 기초 이론 및 파이썬을 이용한 라이브러리 활용 방법을 강의한다. 이를 바탕으로 학생이 실제 재료 데이터에 기계학습을 적용하고 해석하는 방법을 익히도록 한다.전선 / 대학원
펌프와 팬과 같은 유체기계 시스템의 농업기계나 시설농업에 적용, 유체기계의 성능측정, 유공압시스템의 해석방법과 시뮬레이션 기법 등을 다룬다.공통 / 대학원
본 강좌는 대학원생을 위한 생명정보학 교과목으로 (1) 기본 통계 및 가설검증 방법(hypothesis testing, multiple testing correction, Bayesian 통계 등), (2) 다변량 통계 기반 데이터 시각화 및 회귀분석(주성분분석, 다변량 회귀분석, 주요 변수 추출 등), (3) 오믹스 데이터 기본 분석(데이터 전처리 및 정규화, 매핑, 발현/활성 차이 유전자/단백질 선별), (4) 타겟 분자 예측(마이크로RNA, 전사인자 타겟 예측 등), (5) 인공지능/기계학습 기법, (6) 생체네트워크 모델링 및 분석, (7) 바이오 데이터 리소스 및 활용(지놈브라우져, 유전자변이, 단백질 수식화, 유전자/단백질 발현양, 유전자-질환 관련성 등의 다양한 데이터베이스 및 활용) 등의 생물학 연구에 있어서 유용한 기본 데이터 분석 및 리소스 활용 방법들을 학습한다. 학습한 방법들을 적용할 수 있는 텀프로젝트 과제를 부여한다. 이 텀프로젝트에서는 각자 가지고 있는 생물학적 문제에 학습한 방법을 올바르게 적용했는가를 평가한다.전선 / 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
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
본 강좌는 대학원생을 위한 고급 계산생물학 교과목으로 (1) 데이터 전처리 및 정규화(RT-PCR/western blotting data normalization), (2) 기본 통계 및 가설검증 방법(hypothesis testing, multiple testing correction, Bayesian 통계 등), (3) 다변량 통계 기반 데이터 시각화 및 회귀분석(주성분분석, 다변량 회귀분석, 주요 변수 추출 등), (4) 오믹스 데이터 기본 분석(데이터 정규화, 매핑, 발현/활성 차이 유전자/단백질 선별), (5) 타겟 분자 예측(마이크로RNA, 전사인자 타겟 예측 등), (6) 다양한 바이오리소스 및 활용방법(지놈브라우져, 다양한 데이터베이스 및 활용, 생체네트워크 모델링 및 메커니즘 예측) 등의 생물학 연구에 있어서 유용한 기본 분석 및 리소스 활용 방법들을 학습한다. 학습한 방법들을 적용할 수 있는 텀프로젝트 과제를 부여한다. 이 텀프로젝트에서는 각자 가지고 있는 생물학적 문제에 학습한 방법을 올바르게 적용했는가를 평가한다.전선 / 학사
본 강의에서는 통계적 추론에 기반한 기계학습의 기초에 대하여 학습하고 조선해양공학의 응용문제에 대한 프로젝트를 수행한다. 기계학습에 관련된 확률, 선형대수, 최적화의 기초에 대하여 학습한다. 확률에 기반한 최우추정법에 대하여 학습한다. 비지도 학습 분류 방법 및 선형 회귀법에 대하여 학습한다. Hidden Markov 모델과 Bayesian Inference의 개념, 이론 및 알고리즘에 대한 개요를 학습한다. Neural Network에 기반한 학습모델로 이미지 인식을 위한 Convolutional Neural Network, 음성과 같은 time series 데이터의 학습을 위한 Recurrent Neural Network의 개요에 대하여 학습한다. 그리고 보상에 따라 학습하는 Reinforcement Learning에 대하여 익힌다. 마지막으로 조선해양공학 응용의 기계학습 프로젝트를 수행하도록 한다.전선 / 대학원
본 강좌에서는 환경공학 분야를 전공하거나 관심을 갖고 있는 대학원생들을 위하여 무기 및 유기물질로 오염된 하천, 호수, 토양, 그리고 지하수에서 오염물질의 이동, 흡착, 분해와 관련된 환경모델의 원리, 지식, 그리고 모델 적용을 다룬다. 이 강좌에서 다룰 주요 주제는 이동현상, 화학반응 동역학, 평형 화학물질 모델링, 호수의 부영양화, 하천에서 전통적인 오염물질, 독성 유기화학물질, 미량금속 모델링, 지하수 오염 등이다.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
이 과목에서는 최적화 이론과 시스템 신뢰성 이론을 학습하고, 수자원시스템 설계 및 운영 그리고 수자원 관리 방안과 관련한 다양한 상황들에 적용한다. 또한, 21세기 범지구적 도전 과제인 기후 위기와 도시화 가속 현상이 새로운 시스템 건설 및 현존하는 시스템 운영 그리고 수자원 위기에 미치는 영향 등 인간 생활 유지와 관련한 실제 문제들을 심도 있게 논의한다. 해당 문제들에 대해 실현할 수 있는 해법을 모색하기 위해 다양한 시나리오 기반의 모델링 연구를 수행한다.전선 / 대학원
본 교과목은 단순한 질의응답을 넘어, 스스로 목표를 설정하고, 도구를 사용하며, 복잡한 과업을 자율적으로 수행하는 ‘에이전트(Agentic)' AI의 설계 원리와 구현 방법론을 심층적으로 다룬다. 기존의 LLM(Large Language Model)이 가진 한계를 극복하고, LLM을 ‘추론 엔진'으로 활용하여 실제 세계와 상호작용하는 지능형 시스템을 구축하는 데 초점을 둔다. 수강생들은 단일 에이전트의 핵심 구성 요소인 사고-행동-관찰(Reasoning-Acting-Observation) 루프, 동적 도구 사용(Tool Use), 장단기 기억(Memory) 메커니즘을 학습한다. 나아가 여러 에이전트가 협력하여 인간의 개입을 최소화하면서 복잡한 문제를 해결하는 멀티 에이전트 시스템(Multi-Agent System)의 설계 패턴(예: 계층적, 협력적)과 통신 프로토콜을 배운다. LangChain, AutoGen, CrewAI와 같은 최신 프레임 워크를 활용한 실습을 통해, 에이전트 아키텍처 설계부터 정교한 프롬프트 체이닝, 실행 루프 구현까지의 전 과정을 경험하며, 차세대 AI 애플리케이션을 개발할 수 있는 실전 역량을 배양하는 것을 목표로 한다.전선 / 학사
본 강좌에서는 정보이론과 그 응용을 다룬다. 우선 엔트로피의 정의와 개념을 다루고, 연속확률변수 상황의 differential entropy, relative entropy, mutual information으로 개념을 확장한다. 그 응용으로 무손실 압축방법론을 다루고, 정보 전달량의 한계치를 분석한다. 또한 유손실 압축이론을 소개하며, JPEG 및 MPEG 등의 응용사례를 다룬다. 통신이론에서 채널 용량 한계에서의 통신, Shannon 엔트로피, rate distortion, Huffman 코딩, 랜덤 코딩 등을 다루며, 통신시스템 및 머신러닝 (AI)으로의 응용도 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.전필 / 학사
본 강의는 스마트 농업(Smart Agriculture) 전문가로서의 역량을 강화하기 위해, 농업 현장에서 생성되는 센서 데이터, 원격탐사 자료, 작물생육 모니터링 정보 등을 통계적으로 분석하고 의사결정에 활용할 수 있는 능력을 배양하는 것을 목표로 한다. 이를 위해 통계의 기본개념과 확률이론을 바탕으로 추정과 가설검정, F-분포와 분산분석, 처리 간 차이 비교방법, 회귀와 상관, 빈도분석 등을 다루며, 실험설계의 기본원리와 방법을 학습하여 통계분석 결과를 정확히 이해하고 응용할 수 있는 실무 역량을 기른다. 이러한 과정을 통해 학생들은 데이터 기반의 문제 해결 능력과 분석적 사고를 바탕으로 스마트 농업 분야에서 전문성을 발휘할 수 있는 기반을 마련한다.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.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.