최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Hajiabadi, Zohreh; Shalchian, Majid
2021 / Journal of Computational Electronics
데이터가 존재하지 않습니다.
loading...
본 연구는 전압 구동 멤리스터 모델을 사용하여 시냅스 가소성을 연구하고, 비선형 및 임계 기반 학습, 장기 강화 및 장기 억제와 같은 중요한 시냅스 특징을 모방합니다. STDP 학습 특성 곡선을 얻은 후, STDP 규칙과 승자 독점 전략을 사용하여 스파이킹 신경망에서 비지도 학습을 평가하여 패턴 분류를 수행합니다.
Computational neuroscience : a comprehensive approach
Motor learning and synaptic plasticity in the cerebellum
Memristive devices for brain-inspired computing : from materials, devices, and circuits to applications - computational memory, deep learning, and spiking neural networks
Neuromorphic Photonics
딥러닝 초보자를 위한 엔비디아 가이드북 : 엔비디아 현업 아키텍트가 저술한 검증된 딥러닝 입문서
Handbook of memristor networks
Neural development : methods and protocols
Artificial neural networks : ICANN '97 : 7th International Conference, Lausanne, Switzerland, October 8-10, 1997 : proceedings
Stability analysis and state estimation of memristive neural networks
Concise learning and memory : the editor's selection
The dynamic synapse : molecular methods in ionotropic receptor biology
Computational systems biology of synaptic plasticity : modelling of biochemical pathways related to memory formation and impairment
Advances in cognitive neurodynamics : proceedings of the International Conference on Cognitive Neurodynamics - 2007
Adaptive processing of sequences and data structures
Maximum entropy and Bayesian methods : proceedings of the fifteenth International Workshop on Maximum Entropy and Bayesian Methods, Santa Fe, New Mexico, USA, 1995
Neural networks : artificial intelligence and industrial applications : proceedings of the Third Annual SNN Symposium on Neural Networks, Nijmegen, The Netherlands, 14-15 September 1995
Sidman's neuroanatomy : a programmed learning tool
Synaptic plasticity and the mechanism of Alzheimer's disease
Competition and cooperation in neural nets : proceedings
Neural Networks
Dong Y.,Zhao D.,Li Y.,Zeng Y.IEEE Transactions on Neural Networks and Learning Systems
Ivans R.C.,Dahl S.G.,Cantley K.D.Neurocomputing
Rahman, N.A.; Yusoff, N.IEEE Transactions on Very Large Scale Integration (VLSI) Systems
Sahibia Kaur Vohra; Sherin A. Thomas; null Shivdeep; Mahendra Sakare; Devarshi Mrinal DasIEEE Transactions on Cybernetics
Liu D.,Yue S.IEEE Transactions on Neural Networks and Learning Systems
Bialas M.,Mandziuk J.JOURNAL OF SEMICONDUCTOR TECHNOLOGY AND SCIENCE
Junseok Kim; Hong-June Park; Hwasuk Cho; Jae-Yoon Sim; Hyunwoo Son; Byungsub KimAEU - International Journal of Electronics and Communications
Šuch, O.; Klimo, M.; Škvarek, O.; Kemp, N.T.JOURNAL OF SEMICONDUCTOR TECHNOLOGY AND SCIENCE
Hwasuk Cho, Hyunwoo Son, Jun Seok Kim, Byungsub Kim, HongNeurocomputing
Tang Z.,Zhu R.,Lin P.,He J.,Wang H.,Huang Q.,Chang S.,Ma Q.IEEE Transactions on Neural Networks and Learning Systems
Florini D.,Gandolfi D.,Mapelli J.,Benatti L.,Pavan P.,Puglisi F.M.IEEE Transactions on Electron Devices
Kim, Chul-Heung; Lee, Soochang; Woo, Sung Yun; Kang, Won-Mook; Lim, Suhwan; Bae, Jong-Ho; Kim, Jaeha; Lee, Jong-HoNeural Networks
Demin V.A.,Nekhaev D.V.,Surazhevsky I.A.,Nikiruy K.E.,Emelyanov A.V.,Nikolaev S.N.,Rylkov V.V.,Kovalchuk M.V.IEEE Transactions on Circuits and Systems I: Regular Papers
Zhao, D.; Stamenkovic, Z.; Krstic, M.; Schrape, O.Neurocomputing
Merrikh Bayat, F.; Bagheri Shouraki, S.; Esmaili Paeen Afrakoti, I.IEEE Transactions on Circuits and Systems I: Regular Papers
Congyi Sun; Haohan Sun; Jin Xu; Jianing Han; Xinyuan Wang; Xinyu Wang; Qinyu Chen; Yuxiang Fu; Li LiIEEE Transactions on Biomedical Circuits and Systems
Wang D.,Xu J.,Li F.,Zhang L.,Cao C.,Stathis D.,Lansner A.,Hemani A.,Zheng L.R.,Zou Z.Ceramics International
Bamao A.,Xia Y.,Ma G.,Yuan X.,Yang Z.,Chen A.,Lin C.C.,Chang T.C.,Wang H.Nanotechnology
Oh, Seongbin; Kim, Chul-Heung; Lee, Soochang; Kim, Jang Saeng; Lee, Jong-HoIEEE Access
Kim G.,Kim K.,Choi S.,Jang H.J.,Jung S.O.전선 / 학사
본 과정에서는 머신러닝의 기초를 수업한다. 수업 초반에는 머신러닝의 기초가 되는 확률, 선형대수, 최적화, 신호처리를 간단히 리뷰한다. 중반부에서는 대표적인 머신러닝 문제인 Classification, regression, clustering을 소개하고 예시를 통하여 개념을 학습한다. 후반부에서는 스마트 제조를 위한 센싱, 공간정보구축, 로보틱스 적용의 실습을 조별로 진행한다. 독립전원으로 구동가능한 미니PC 상에 리눅스를 운용하고, ROS SLAM 등 로보틱스와 공간지능 관련 소프트웨어를 배운다. 마지막으로는 실제 센서를 함께 구동하고 직접 데이터를 취득한 후, 수업에서 학습한 머신러닝 알고리즘을 적용해보기 위한 실습을 수행한다.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.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
신경보철 (Neural Prosthesis)의 state of the art를 관계 서적, 논문, 보고서, 보도자료들을 이용하여 공부하며, 함께 새로운 연구방향을 모색하여 본다. 구체적으로 다룰 내용은 Auditory prosthesis, Visual prosthesis, Motor Prosthesis, Deep Brain Stimulation, Cognitive Engineering, Microelectrode arrays, Circuits and systems, Cultural Neuronal Network 의 내용을 다룰 예정이다.전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 대학원
본 강좌는 스토캐스틱 제어와 강화학습의 이론과 알고리즘에 대해 소개한다. 강좌의 첫 부분에서는 스토캐스틱 제어이론을 심도 있게 다룬다. 최적조건과 최적제어전략의 존재성뿐만 아니라, value and policy iteration 그리고 선형최적화를 이용한 해결방법에 대해 소개하고 분석한다. 두 번째 부분에서는 강화학습의 방법론을 다룬다. 특히, stochastic approximation 알고리즘을 기반으로 한 방법(예: Q-learning)들의 수렴조건 및 근사방법에 대해 학습한다. Policy gradient와 online learning 방법에 대해서도 소개하고, 여러 알고리즘들의 장단점에 대해 분석한다.전선 / 대학원
본 강좌는 스토캐스틱 제어와 강화학습의 이론과 알고리즘에 대해 소개한다. 강좌의 첫 부분에서는 스토캐스틱 제어이론을 심도 있게 다룬다. 최적조건과 최적제어전략의 존재성뿐만 아니라, value and policy iteration 그리고 선형최적화를 이용한 해결방법에 대해 소개하고 분석한다. 두 번째 부분에서는 강화학습의 방법론을 다룬다. 특히, stochastic approximation 알고리즘을 기반으로 한 방법(예: Q-learning)들의 수렴조건 및 근사방법에 대해 학습한다. Policy gradient와 online learning 방법에 대해서도 소개하고, 여러 알고리즘들의 장단점에 대해 분석한다.전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 대학원
제어 시스템 1 의 연이은 과목으로 고급 제어시스템 설계 및 해석에 필수적인 개념 및 기법들을 소개하는데, 특히 비선형 제어, 확률적 추정 및 제어, 적응 제어 및 비선형 최적제어 등에 주안점을 둔다.전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.전선 / 대학원
손상된 조직재생, 기능을 복원하기 위해 개발되는 저분자, 펩타이드, 단백질, 유전자 치료제 신약에 대한 분류, 신약으로 도출되기 위해 필수로 수행해야하는 시험 및 임상연구에 대한 기초지식을 학습함. 또한 조직복원을 위한 약물융합소재, 생리활성 바이오소재 등에 기반한 의료기기의 설계 및 기능평가 연구에 대해서 학습함.전선 / 대학원
인지과학 연습 1의 내용을 보다 확장하여 인지과학의 연구사, 연구주제등을 다각도로 검토하여 과정에 진입한 학생들에게 인지과학의 기초적 지식배경을 제공하는데 목적이 있다.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
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
이 교과목에서는 비선형시스템 식별에 관련된 각종 실용적 기법들을 소개한다. 또한, 비선형 목적함수의 최적문제의 해를 구하는 각종 비선형프로그래밍기법도 소개한다. 단, 비선형궤환제어와 컴퓨터 네트워크 등에 효과적으로 사용될 수 있는 기법들에 국한하여 심도 있게 공부하고 실제 응용 예를 통하여 그 가능성을 토의한다.전선 / 대학원
본 과정은 뇌신경질환에서 신약개발을 위한 신경과학에서 중요한 기초 및 필수 개념, 관련 기술을 학습하기 위해 다학제간 배경을 가진 대학원생을 위해 고안되었습니다. 본 강의는 신경계에서 제일 중요한 유전자중 하나인 이온통로의 작동 원리와 종류 및 관련 병증을 이해합니다. 그리고 최신 트렌드의 시스템신경과학과 주요한 신경질환의 강의를 통해 신약 개발을 위한 신경질환 동향을 강의합니다.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.전선 / 학사
연구실에서의 연구참여 활동을 통하여 전공 지식을 심화 학습한다. 각자가 원하는 연구에 참여하며 그 연구에 대한 직접적인 경험을 갖는다.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.