오토인코더 autoencoder
방법 · 데이터·AI
6학부 논문 (이 키워드 3 + 하위 키워드)
3교수
104억 국가 R&D(2015–24)
소규모증가율
13.40%서울대 비중
입력을 저차원 잠재공간으로 압축했다가 복원하도록 학습해 특징 추출·이상 탐지에 쓰는 신경망이다.
하위 키워드
이 키워드를 포함하는 더 구체적인 키워드. 위 논문 수·교수·연도별 그래프는 이들을 합친 값이다.
연도별 학부 논문
국가 R&D 과제 동향 (NTIS, 억 원)
2015–2024 과제 레코드 115건 · 10년 104억 · 2015–19 대비 2020–24 소규모 · 대학 수행 74.4% · 서울대(본교) 13.40%. 매칭: 영문 키워드 'autoencoder', 국문 '오토인코더'. 기관운영비·인력양성·출연연 주요사업비 등 과제 아닌 레코드는 뺐다.
매칭 과제의 NTIS 표준분류(1순위, 연구비 비중): 정보/통신 > 정보이론 40% · 정보/통신 > 소프트웨어 18% · 전기/전자 > 계측기기 6% · 기계 > 조선/해양시스템 5%
최근 주요 과제 (2022–2024, 연차 정부연구비 순)
| 연도 | 과제 | 수행기관 | 부처 | 억 |
|---|---|---|---|---|
| 2022 | 섬유산업 내 공유형 원단 결점분석 빅데이터를 활용한 딥러닝 비전검사 시스템 개발 | (주)디월드 | 중소벤처기업부 | 4.7 |
| 2022 | 비교사 심층 기계학습 기반 인공지능 선형 및 부가물 설계기술 개발 | 부산대학 | 과학기술정보통신부 | 1.9 |
| 2024 | 수리-통계적 방법론에 기반한 효율적 심층 생성 모형 개발에 관한 연구 | 이화여자대학 | 과학기술정보통신부 | 1.2 |
| 2022 | 딥러닝을 활용한 은하 이미지 특징 추출 및 유사 이미지 검색엔진 구축을 통한 왜소은하 형태학적 진화연구 | 충남대학 | 과학기술정보통신부 | 1.2 |
| 2022 | 딥러닝 기법을 이용한 스핀 아이스 시스템의 기저상태 연구 | 한국과학기술연구원 | 과학기술정보통신부 | 1.1 |
| 2022 | 엣지 컴퓨팅 기반 서브시퀀스 임베딩을 활용한 복합 이벤트 탐지 및 진단 시스템 개발 | 한국과학기술원 | 과학기술정보통신부 | 1.0 |
| 2022 | 시간 의존적 도메인을 위한 자동 적응형 딥러닝 기술 연구 | 충북대학 | 과학기술정보통신부 | 1.0 |
| 2022 | 재설정 가능 메타표면을 이용한 밀리미터파 통신기술 연구 | 성균관대학 | 과학기술정보통신부 | 1.0 |
교수
| 교수 | 연구분야 | 논문 | 2022년 이후 |
|---|---|---|---|
| 정유성 | 공정시스템 | 3 | 1 |
| 이원보 | 공정시스템 · 고분자 및 유기 소재 | 2 | 0 |
| 이종민 | 공정시스템 | 1 | 0 |
연결되는 NTIS 분류
논문 (최신순)
| 연도 | 논문 | 학부 저자 | 피인용 |
|---|---|---|---|
| 2022 | An invertible crystallographic representation for general inverse design of inorganic crystals with targeted properties 융합화학 › 화학정보학 Matter | 정유성 | 18 |
| 2021 | An invertible crystallographic representation for general inverse design of inorganic crystals with targeted properties 융합화학 › 화학정보학 Matter | 정유성 | 189 |
| 2021 | Data-driven fault detection for chemical processes using autoencoder with data augmentation 화학공정 › 촉매/반응기술 Korean Journal of Chemical Engineering | 이종민 | 17 |
| 2019 | Inverse Design of Solid-State Materials via a Continuous Representation 융합화학 › 화학정보학 Matter | 정유성 | 381 |
| 2018 | Toxic gas release modeling for real-time analysis using variational autoencoder with convolutional neural networks Chemical Engineering Science | 이원보 | 68 |
| 2018 | Driving Conformational Transitions in the Feature Space of Autoencoder Neural Network 물리화학 › 양자화학/전산화학 The Journal of Physical Chemistry C | 이원보 | 6 |
인접 그래프
노드 hover = 이웃 강조 · 1회 클릭 = 고정 · 고정된 노드 다시 클릭 = 페이지 이동
이 문서와 연결된 페이지
논문 3
Inverse Design of Solid-State Materials via a Continuous Representatio · Data-driven fault detection for chemical processes using autoencoder w · Driving Conformational Transitions in the Feature Space of Autoencoder