최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Elena-Lia Spoială; Iuliana Magdalena Stârcea; Ileana Katerina Ioniuc; Romică Sebastian Cozma; Daniela Carmen Rusu; Laura Bozomitu; Vasile Valeriu Lupu; Codruţa Olimpiada Iliescu Haliţchi; Vasile Eduard Roşu; Solange Tamara Roşu; Cristina Gavrilovici
2023 / Medicina
Wu D; Lan X; Litscher G; Zhao YL; Wu YQ; Dai RJ; Cao K; Wang Y; Chen LQ
2024 / Lasers in medical science
강태환, 김현정, 노현권
2020 / 원예과학기술지
데이터가 존재하지 않습니다.
loading...
본 연구에서는 드론과 RGB 센서를 이용하여 배 화상병 발생지를 탐지하는 시스템을 개발하고, 심층 학습의 컨볼루션 신경망(CNN)을 활용하여 RGB 이미지를 분석했습니다. 시뮬레이션 및 실제 화상병 감염 이미지 분석 결과, 감염 예측률은 각각 80.0%와 71.4%로 나타났으며, 드론과 RGB 센서 기반 CNN을 활용한 화상병 감지가 가능함을 확인했습니다.
Computer vision and machine learning in agriculture
Structural health monitoring based on data science techniques
Artificial intelligence for biology and agriculture
Plant pathogens
Artificial intelligence for sustainable development : theory, practice and future applications
Fire blight : the disease and its causative agent, Erwinia amylovora
Deep learning for sustainable agriculture
Neural Information Processing : 26th International Conference, ICONIP 2019, Sydney, NSW, Australia, December 12–15, 2019, Proceedings, Part V
Plant image analysis : fundamentals and applications
Digital twin technology
머신러닝을 위한 파이썬 한 조각 : 파이썬으로 이해하는 인공지능의 시작
Identification of conifer insects by type of tree injury,lake states
Intelligent Computing Theories and Application : 15th International Conference, ICIC 2019, Nanchang, China, August 3–6, 2019, Proceedings, Part II
Handbook of neural computation
Pro deep learning with TensorFlow : a mathematical approach to advanced artificial intelligence in Python
Artificial intelligence and deep learning in pathology
Current applications of deep learning in cancer diagnostics
인공지능을 이용한 과채류의 생체정보 수집과 생육장해 진단법 개발=
Big data analytics and artificial intelligence against COVID-19 : innovation vision and approach
Horticultural Science and Technology
Hyun-Jung Kim; Hyun Kwon Noh; Tae Hwan KangKorean Journal of Agricultural Science
김현정, 노현권, 강태환스마트미디어저널
장예예, 유첩, 김병준, 선주남, 이준환한국통신학회논문지
장예예, 유첩, 김동훈, 이솔애, 이준환Journal of Forestry Engineering
Li H.,Fang W.,Li L.,Chln X.Computers and Electronics in Agriculture
Mahmud M.S.,He L.,Zahid A.,Heinemann P.,Choi D.,Krawczyk G.,Zhu H.Multimedia Tools and Applications
Lanjewar M.G.,Parab J.S.Computers and Electronics in Agriculture
Bagheri N.Computers, Materials and Continua
Sharma R.,Singh A.,Kavita ,Jhanjhi N.Z.,Masud M.,Jaha E.S.,Verma S.PHYSIOLOGICAL AND MOLECULAR PLANT PATHOLOGY
Chakraborty, Kulendu Kashyap; Mukherjee, Rashmi; Chakroborty, Chandan; Bora, KangkanaRemote Sensing in Ecology and Conservation
Kislov D.E.,Korznikov K.A.,Altman J.,Vozmishcheva A.S.,Krestov P.V.Agronomy
Andrew J.,Eunice J.,Popescu D.E.,Chowdary M.K.,Hemanth J.Computers and Electronics in Agriculture
Singh P.,Verma A.,Alex J.S.R.Optical Memory and Neural Networks (Information Optics)
Raj Kumar; Singh, A.P.; Chug, A.AgriEngineering
Deng X.,Tong Z.,Lan Y.,Huang Z.Potato Research
Chaibi, N.; Nhidi, W.; Zaied, M.Remote Sensing
Dang L.M.,Wang H.,Li Y.,Min K.,Kwak J.T.,Lee O.N.,Park H.,Moon H.BIOSYSTEMS ENGINEERING
Chang, Shenglong; Yang, Guijun; Cheng, Jinpeng; Fan, Zehua; Ma, Xinming; Li, Yong; Yang, Xiaodong; Zhao, ChunjiangRemote Sensing
Xia L.,Zhang R.,Chen L.,Li L.,Yi T.,Wen Y.,Ding C.,Xie C.Remote Sensing
Safonova A.,Tabik S.,Alcaraz-Segura D.,Rubtsov A.,Maglinets Y.,Herrera F.전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 알고리즘을 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에 적용하여 자동적 영역분할, 치과질환의 자동적 탐지 및 분류하는 방법을 실습함. 치과영상 데이터의 annotation 방법, 신경망 학습, 테스트 및 모델의 성능분석 등을 디지털 치과 데이터를 실제 컴퓨터 서버에 탑재하고 실습하여, 학생 스스로 딥러닝을 이용하여 치과영상을 분석할 수 있는 능력을 제공함. Getting Started with Deep Learning Using PyTorch Building Blocks of Neural Networks Diving Deep into Neural Networks Fundamentals of Machine Learning Deep Learning for Computer Vision Deep Learning with Sequence Data and Text Generative Networks전선 / 대학원
다양한 딥러닝 신경망(CNN 등) 모델을 이용하여 치과영상(파노라마 영상, 구내 영상, CEP 영상 및 콘빔CT(CBCT) 영상)에서 정상 해부학적 구조물의 자동적 영역분할, CEP 계측점 자동적 탐지, 및 다양한 치과질환의 자동적 탐지 및 분류하는 딥러닝 모델과, 3D 치과 데이터에서 자동적 탐지, 분할과 분류하는 딥러닝 모델의 원리와 구조에 대해 수업함. 인공신경망과 딥러닝 소개 컴퓨터 비전을 위한 심층 컨볼루션 신경망 소개 딥러닝을 이용한 의료 및 치과영상 감지 및 인식 딥러닝을 이용한 의료 및 치과영상 분할 딥러닝을 이용한 의료 및 치과영상 등록 딥러닝을 이용한 컴퓨터 지원 진단(CAD)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 / 학사
AI를 이용하여 주차장 게이트에서 번호판을 인식후 주차장 게이트를 Open/deny 하는 과정을 구현한다. 자동차 번호판을 인식하기 위해 object-detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 에 사용되는 딥러닝 모델들의 개요에 대해 배우고, GPU 서버를 이용하여 이 과정들을 구현한다.전선 / 대학원
대상지의 환경 상태를 과학적으로 진단하고 정확하게 평가하는 것은 더 나은 환경계획 수립을 위한 선결조건이다. 최근에는 다양한 환경모니터링 기술의 발전과 함께, 보다 높은 시공간적 스케일에서 양질의 환경자료를 보다 효율적으로 취득하는 것이 가능해지고 있다. 또한 다양한 환경분야에서 서로 다른 목적과 강도로 수집된 자료들 또한 빅데이터 기술을 통해 융합, 분석됨으로써 환경평가에 활용하는 것이 기대되고 있다. 본 수업에서는 이러한 생태환경을 구성하는 다양한 생물적, 비생물적 인자들에 대한 모니터링 방법론과 기술들을 소개하고, 워크숍을 통해 그 효용성과 한계를 토론하는 시간을 가진다. 이를 통해 수강자들은 환경자료에 대한 이해를 높이며, 이를 바탕으로 보다 합리적인 환경평가방법을 고민하게 된다.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 작물의 병적현상의 증상이나 발병의 경로를 밝혀 원인을 찾고 병든 작물의 형태적, 생리적 변화를 검정할 뿐만 아니라 예방, 치료의 원리 및 응용방법을 학습한다. 세부적으로 곰팡이, 세균, 바이러스의 종류와 병의 치료 및 예방사례를 토대로 습득하고 병을 예방하고 방제하여 작물피해를 줄이는 방법을 학습한다. 또한 작물의 발병 메카니즘을 이용하여 내병성 생물공학작물을 개발하는 기술을 습득한다.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.전선 / 학사
본 교과목은 기계학습과 딥러닝 기술의 학문적 기반을 바탕으로 화학생물공학 분야의 복잡한 문제 해결을 위한 기법을 익히기 위한 과목이다. 이 과목에서 지도 및 비지도 학습, 의사결정트리, 선형 회귀, 로지스틱 회귀, 신경망, 재료 개발, 열역학, 반응공학, 이동현상, 그리고 공정 최적화의 응용을 다룬다. 또한 최종 프로젝트를 통해 실제 문제를 해결하는 데 필요한 이러한 기술을 적용하는 것을 강조하며, 도메인 지식을 활용하여 효과적인 모델을 개발하는 방법을 학습할 수 있도록 유도할 예정이다. 수업의 선행 조건으로 화학생물공학의 기본적인 지식과 Python 프로그래밍 경험이 필요하며. 강의 내용을 바탕으로 학생들이 화학생물공학에서 빠르게 진화하는 인공지능 분야의 선도자가 될 수 있는 역량 강화에 목표를 둔다.전선 / 대학원
노벨상을 수상한 AlphaFold는 통계 물리 이론에 기반한 확산(Diffusion) 기반 생성 모델을 활용하여 개발되었으며, 이는 최신 의료 인공지능 기술이 고급 확률 모델과 생성・추론 이론에 근거하고 있음을 시사합니다. 본 강의에서는 확산 기반 생성 모델(Diffusion Models)과 그 응용 기법을 포함한 최신 생성 및 추론 인공지능 모델의 핵심 이론을 확률론적 관점에서 체계적으로 탐구합니다. 특히, 확산 모델, 최적 확률 경로, 확률적 보간, 흐름 기반 모델 등의 최신 이론 기반 생성 기법의 데이터 분포 모델링 과정과 최적의 샘플을 생성・변환・복원・추론하는 과정을 심도 있게 분석합니다. 이를 통해 수강생들은 생성 및 추론 인공지능 모델의 확률적 구조와 수학적 원리를 이해하고, 최신 확산 기반 생성 모델 및 그 변형 기법들의 결과를 이론적으로 해석할 수 있는 능력을 갖추는 것을 목표로 합니다. 또한, 이러한 생성 및 추론 모델들이 의료 및 생의학 데이터를 포함한 다양한 도메인에서 어떻게 적용될 수 있는지를 이론적 관점 외 실습적 관점에서도 조망합니다. 궁극적으로, 본 강의는 생성 및 추론 인공지능 분야에서 어떻게 핵심 이론과 의료 분야 응용을 아우르는 전문성을 함양할 수 있도록 체계적인 학습 기회를 제공하는 것을 지향합니다.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.전선 / 대학원
스마트시티는 다양한 기관 및 시설로부터 수집된 데이터를 활용하여 실시간 변화를 예측하고 효율적으로 도시 서비스를 제공하는 미래형 도시모델이다. 또한 빅데이터 분석은 방대한 데이터 속에서 신속하게 패턴을 인식하고 새로운 가치를 찾아내는 과정으로써 스마트시티 계획 및 운영에 반드시 필요한 기술이다. 본 강의는 도시 빅데이터 분석에 필요한 지식 및 기술을 학습하는 입문과정이다. 스마트시티공학을 전공하는 학생들에게 빅데이터의 개념 및 구조를 이해하고 도시데이터 분석에 필요한 통계기법, 프로그램, 모델링 등을 학습할 수 있는 기회를 제공함으로써 미래도시 고도화 기반을 마련하고 지능형 도시에 최적화된 전문가를 육성하고자 한다.전선 / 대학원
본 교과목은 응용 데이터사이언스 전공자를 위한 머신러닝 (machine learning)과 딥러닝 (deep learning)의 기초를 다룬다. 구체적으로, 머신러닝의 기초가 되는 이론 (확률, MLE, gradient descent, overfitting, regularization 등)과 지도학습의 기초적인 모델을 중심으로 다룬다. 딥러닝 부분에서는 뉴럴넷의 기본, backpropagation을 다룬 후, 주로 convolutional neural network의 구조와 활용을 중점적으로 다룬다. 이를 바탕으로 적용 분야에 데이터사이언스를 응용할 기틀을 마련한다.전선 / 대학원
경관은 도시와 농촌의 지질, 토양, 수계, 식생, 야생동물과 토지이용의 시스템이다. 우리는 경관을 요소별로 나누어 이해할 수도 있고. 시공간에서 구조를 지니는 하나의 시스템으로서 상호관계의 측면에서도 연구할 수 있다. 경관은 생태계의 시스템으로 기능한다. 식생과 토양이나 물과 도시경관 사이에 관련성이 있기에 일관성을 인식하는 것은 공간을 인식하게 한다. 경관이 읽기 쉬울 때, 그것은 개인과 커뮤니티의 지속가능성에 기여한다. 그러므로 경관의 시스템적인 분석은 자연 생태 계획이나 사회적, 문화적, 심리적 건강성 향상을 계획할 때 필수적이다. 강의는 매주 진행되고 경관 체계 분석에 관한 주제를 연구하고 토론한다. 토론에 참여하기 위해서, 학생들은 정해진 주제에 관한 발표를 정기적으로 준비해야 한다.전선 / 학사
본 과목은 AI의 이론적 개념들을 이해하고, 실습을 통해 빅데이터 분석 및 예측 모델 생성, 분류 작업과 같은 AI 관련 역량을 갖도록 한다.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 / 대학원
자기공명분광(Magnetic Resonance Spectroscopy (MRS))을 활용하여 여러 질병들의 발병기전 및 진화에 대한 기초연구를 수행할 수 있는 지식(이론과 실습)을 습득함. 이론은, 다양한 신경 정신질환과 관련이 있는 것으로 알려져 있는 myo-inositol, gamma-aminobutylic acid (GABA), glutamate 등의 측정법을 포함함. 실습은, 소프트웨어를 통해 쥐(rat)의 두뇌 스펙트럼에서 뇌 대사체들을 정량분석하는 과정을 포함함.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.교양 / 학사
난해하고 복합적인 문제들이 등장하는 동시대 상황은 영역에 대한 전문화 접근 체계의 한계를 드러낸다. 본 수업으로 디자인적 사고(Designerly Thinking)를 추론의 한 형태로 인식 및 체화하여 자신의 전공 분야와 접목, 확장, 실천할 수 있는 태도를 함양하고자 한다.