최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
김태윤, 김진환, 변승우
2018 / International Journal of Control, Automation, and Systems
데이터가 존재하지 않습니다.
loading...
본 연구는 수중 환경에서 GPS 신호가 불가능할 때 유용한 지형 기준 내비게이션(TRN)의 오차를 보정하기 위해 확장 칼만 필터, 파티클 필터, 라오-블랙웰라이즈드 파티클 필터와 같은 세 가지 비선형 필터 알고리즘의 성능을 비교합니다. 실제 해저 지형 데이터를 사용한 내비게이션 시뮬레이션을 통해 각 필터의 성능을 평가했습니다.
Principles of GNSS, inertial and multisensor integrated navigation systems
Applied mathematics in integrated navigation systems
Kalman filtering : with real-time applications
Image recognition and classification : algorithms, systems, and applications
Nonlinear system techniques and applications
Kalman filtering techniques for radar tracking
Nonlinear ocean dynamics : synthetic aperture radar
Kalman filtering : theory and practice using MATLAB
Global navigation satellite systems, inertial navigation, and integration
The application of neural networks in the earth system sciences : neural networks emulations for complex multidimensional mappings
An engineering approach to optimal control and estimation theory
Kalman filter method in the analysis of vibrations due to water waves
Aerospace navigation systems
Digital image processing methods
Identification of dynamic systems : an introduction with applications
Approximate Kalman filtering
Estimation with applications to tracking and navigaton
Nonlinear water waves with applications to wave-current interactions and tsunamis
제어.로봇.시스템학회 논문지
김태윤, 김진환, 최현택제어.로봇.시스템학회 논문지
김태윤; 김진환; 최현택한국항공우주학회지
목성훈, 방효충, 유명종IET Radar, Sonar and Navigation
Jeon, Hyun Cheol; Lim, Jong Nam; Park, Chan GookIET Radar, Sonar and Navigation
Yun, Se Hyun; Park, Chan GookIEEE Transactions on Aerospace and Electronic Systems
Choe, Yeongkwon; Song, Jin Woo; Park, Chan GookIEEE Transactions on Aerospace and Electronic Systems
Choe, Yeongkwon; Park, Chan GookICAROB 2018: PROCEEDINGS OF THE 2018 INTERNATIONAL CONFERENCE ON ARTIFICIAL LIFE AND ROBOTICS
Jeon, Hyun Cheol; Park, Chan Gook제어.로봇.시스템학회 논문지
목성훈, 방효충, 권재현, 유명종International Journal of Aeronautical and Space Sciences
김성중, 박준우, 방효충2019 19TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND SYSTEMS (ICCAS 2019)
Choi, Sung Hyuk; Park, Chan Gook2019 19TH INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION AND SYSTEMS (ICCAS 2019)
Choi, Sung Hyuk; Park, Chan GookJournal of Geodesy
Yang C.,Shi W.,Chen W.IEEE Transactions on Industrial Electronics
Xiang Xu; Yao Li; Lihua Zhu; Yiqing YaoIEEE Sensors Journal
Park, Yong-gonjong; Park, Chan GookIEEE Transactions on Aerospace and Electronic Systems
Michaelson, Kristen A.; Wang, Felix; Zanetti, RenatoIEEE Transactions on Vehicular Technology
Liang Zhang; Li-Ta Hsu; Tao ZhangInternational Journal of Aeronautical and Space Sciences
목성훈, 방효충IEEE Robotics and Automation Letters
Potokar E.,Norman K.,Mangelson J.IEEE Transactions on Industrial Electronics
Xu X.,Li Y.,Zhu L.,Yao Y.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
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
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 / 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
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
현실에서 발생하는 최적화 문제는 많은 경우, 효율적인 알고리즘을 갖지 않는 NP-hard 문제이다. 본 강의에서는 우선 이러한 문제를 식별하는데, 기본이 되는 최적화 계산론, 다항 변환 등을 도입한다. 그리고 NP-hard 문제의 좋은 해를 효율적으로 구하는 다양한 접근법을 다룬다.전선 / 대학원
분지해석은 퇴적분지의 거시적 지배요인을 규명하는 학문분야로서, 현생 및 고기의 퇴적분지 형성에 관한 모형을 만드는데 중점을 둔다. 현생 퇴적분지의 퇴적작용, 예를 들면 동해의 울릉분지, 서해의 서해분지 또한 고기의 태백산분지, 경상분지 등 발생에서 변형에 이르기까지의 지각의 활동, 지구조적 요인, 그리고 퇴적속성작용 등 지각의 자연현상을 이해하는 분야이다.전선 / 대학원
대기과학연구에 필수적으로 이용되는 대기 전지구 모델 및 일기예보 모델의 근간을 구성하는 대기역학 코어 및 자료동화 시스템에 이용되는 다양한 수치적인 방법들을 공부한다. 실습시간에는 실제 현업 모델 혹은 단순화된 현업 모델을 이용하여, 대기역학 코어 및 자료동화 시스템이 실제 기상현상의 수치모의에 있어 어떻게 이용되는지 연습할 수 있는 기회를 갖는다.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 교과목은 막대한 시공간적 데이터를 바탕으로 예측기법을 발전시킬 수 있는 머신 러닝 기법을 중심으로, 이에 대한 이론적 기반과 사례 연구를 계량지리학적 관점에서 이해하는 것을 목표로 한다. 통계학적 머신 러닝, 최적화, 사회 및 정보 네트워크 분석, 베이지안 모델링 등 관련된 다양한 분야에 대한 지리학 분야의 방법론과 적용 방안에 대해서 학습한다.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
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전선 / 대학원
다양한 무인시스템의 경로 계획과 임무 판단에 관한 기법을 학습한다. 특히 시스템의 특성을 고려한 모션 계획, 모션에 대한 구속 조건, 충돌 회피 경로의 계산, 모델예측제어 등의 제어 기법과 학습 알고리듬의 모션 계획 문제에의 응용, 임무 수행을 위한 판단 기법, 그리고 이와 관련된 최적화 기법 및 다중개체시스템의 모션 계획 문제로의 확장 등에 대해 배운다. 수강생들은 다양한 모션 계획 알고리듬을 구현, 구동해봄으로써 실제 시스템에 적용할 수 있는 능력을 기르고, 관련 분야의 최신 논문을 통해 모션 계획 기법의 발전 동향을 살펴본다.전선 / 학사
지하철 및 도로터널과 같은 교통터널을 비롯하여 각종 대단면 지하공간의 설계를 위한 기본이론과 다양한 사례를 학습한다. 터널의 굴착과 지보, 환기문제에 관하여 중점적으로 다루며 산업용 및 주거용 지하공간의 설계 및 이용 사례를 소개한다.전선 / 대학원
본 교과목에서는 선박설계를 위한 다양한 인공지능 방법을 배우고 이의 응용 사례를 살펴보는 것을 목적으로 한다. 먼저 선수 과목 등을 통해 학습한 여러 딥 러닝 기법, 즉 DFN (Deep Feedforward Network), RNN (Recurrent Neural Network), CNN (Convolutional Neural Network), 강화 학습 (Reinforcement Learning) 등의 개념을 복습한다. 이후, 설계 분야를 기본설계, 생산설계, 운항설계 등으로 구분한 뒤, 각 분야에서 인공지능이 필요한 사례를 학습한다. 기본설계에서는 도면 내 객체 및 텍스트 인식, 해기상 및 선박 소요 마력 예측 등의 사례를 살펴본다. 생산설계에서는 블록 탑재를 위한 크레인 제어 등의 사례를 살펴본다. 운항 설계에서는 영상 기반 선박 주변 장애물의 탐지 및 추적, 선박의 충돌 회피 등의 사례를 살펴본다. 끝으로 학생들은 설계 분야의 특정한 주제에 대해 인공지능을 활용한 문제 해결 방법에 대해 Term Project를 수행한다.전선 / 대학원
본 강의는 도로, 철도, 항만, 항공 등의 교통 시스템을 효율적으로 운영하고 관리하기 위한 다양한 방법과 전략을 다룬다. 교통시스템의 최적화는 시스템의 효율성을 향상시키고, 혼잡을 저감하며, 환경에 미치는 영향을 최소화하는 데에 중요한 영향을 미친다. 이를 위해 본 강의에서는 교통시스템에 대한 기본 개념을 설명하고 신호 제어, 도로 확장, 교통시스템 개선 등을 위한 선형, 비선형 계획법, 동적 계획법, 정수 계획법 등 다양한 최적화 기법들을 사례를 중심으로 설명한다. 또한 최근 이슈가 되고 있는 C-ITS와 스마트모빌리티 서비스를 소개하고 다양한 문제점과 해결방안을 토론한다. 학생들은 각자 교통시스템과 관련한 연구 주제를 선정하고 이를 최적화하는 방안을 제시하는 텀프로젝트를 한 학기 동안 수행한다.전선 / 학사
과거와 현재 항공기 교통관제 및 항행에 이용되는 항법시스템에 대한 소개를 시작하여, 미래 항공, 우주 뿐만 아니라, 육상, 해상 및 스마트폰의 항법으로 쓰이는 항법시스템에 대하여 그 원리와 이론을 고찰하고 실험으로 증명함으로써, 아직 세상에 없는 새로운 항법시스템을 구상할 수 있는 바탕을 마련하는 것이 이 과목에서 추구하는 바이다. 그 밖에도 Dead Reckoning과 Radio Navigation 그리고 위성항법(GNSS)에 대해서도 그 원리와 실생활에의 응용 예를 다룬다. 또한 항공기/우주비행체의 항공교통(Air Traffic Control) 및 관제에 대한 소개와 공역에 대한 관제 절차를 설명하고, 관제의 핵심 장비인 레이더와 ADS-B를 소개하고, 차세대 항행시스템인 CNS/ATM에 대해서도 심도 있게 그 내용과 원리를 소개한다.전선 / 대학원
본 강좌는 다양한 머신러닝기법을 활용한 기후환경데이터 분석 방법을 소개한다. Linear regression, Logistic regression, Support Vector Machine (SVM), Random Forest, XGBoost, LightGBM 등과 같은 지도 학습 기법에 더불어,K-mean clustering, Principal Component Analysis, Singular Value Decomposition,Self-Organizing Map (SOM) 등의 비지도 학습 머신러닝 기법들의 구동 원리를 파악할 수 있는 이론 강의와, 이 중 일부를 활용한 실습 과정으로 구성된다. 다양한 머신러닝 기법 기반의 데이터 분석 방법을 비교함으로서 머신러닝 기법들의 장단점을 파악할 수 있도록 한다.전선 / 학사
4차 산업혁명의 핵심기술인 인공지능(딥러닝)의 배경지식과 활용방법을 습득하며, Convolutional Neural Networks 와 Recurrent Neural Networks 에 관한 지식과 활용법을 실습한다. 딥러닝 기본개념, Stochastic Gradient Descent, backpropagation 기법, 초기화기법, regularization 기법, 콘볼류션신경망(CNN), CNN 구조, 반복신경망(RNN), RNN의 응용, 강화학습을 다룬다. 이론은 기존 머신러닝과목에서 다루므로, 이론보다는 실용적 적용능력을 배양하기 이해 딥러닝 관련 소프트웨어 교육을 강조하며, Python에 관한 강의와 실습, Python 수학 라이브러리 numpy에 강의도 실시한다. 또한 Advanced deep learning library인 Tensorflow에 대한 강의와 실습도 병행한다.