그래피컬 라쏘 graphical lasso
방법 · 데이터·AI
3학부 논문
2교수
1,725억 국가 R&D(2015–24)
+152%증가율
0.09%서울대 비중
희소 정밀행렬을 추정해 공정 변수 간 조건부 의존 관계망을 찾고 고장 원인 진단에 쓰는 통계 기법이다.
연도별 학부 논문
국가 R&D 과제 동향 (NTIS, 억 원)
2015–2024 과제 레코드 510건 · 10년 1,725억 · 2015–19 대비 2020–24 +152% · 대학 수행 10.2% · 서울대(본교) 0.09%. 매칭: 영문 키워드 'graphical lasso', 국문 '그래피컬라쏘', '고장진단'. 기관운영비·인력양성·출연연 주요사업비 등 과제 아닌 레코드는 뺐다.
매칭 과제의 NTIS 표준분류(1순위, 연구비 비중): 기계 > 자동차/철도차량 20% · 기계 > 조선/해양시스템 13% · 에너지/자원 > 신재생에너지 12% · 전기/전자 > 계측기기 6%
최근 주요 과제 (2022–2024, 연차 정부연구비 순)
| 연도 | 과제 | 수행기관 | 부처 | 억 |
|---|---|---|---|---|
| 2024 | 스마트 항로표지 현장 시설 고도화 | 한국전자기술연구원 | 해양수산부 | 28.0 |
| 2023 | 도심내 잉여전력을 이용한 도심형 수소모빌리티 확산 인프라 모델 개발 및 검증 | (재)부산테크노파크 | 국토교통부 | 26.0 |
| 2022 | 도메인 협조제어기반 초안전 주행플랫폼 기술 개발 | 한국자동차연구원 | 산업통상자원부 | 22.3 |
| 2024 | 첨단 모빌리티 구동시스템의 고장진단 및 예지를 위한 SoC 기술개발 | 수퍼게이트(주) | 산업통상자원부 | 21.0 |
| 2022 | 풍력터빈 수명연장을 위한 내구성 평가 및 잔여 수명예측 기술개발 | 창원대학 | 산업통상자원부 | 17.0 |
| 2022 | 스마트 항로표지 현장 시설 고도화-etri | 한국전자통신연구원 | 해양수산부 | 17.0 |
| 2023 | 다변량 DB 기반 자율주행 핵심부품의 고장 예지 및 건전성 관리 기술개발 | (주)인포웍스 | 산업통상자원부 | 15.0 |
| 2023 | 기기·구조물 지능형 고장진단시스템 개발 | 세안기술(주) | 산업통상자원부 | 12.2 |
교수
| 교수 | 연구분야 | 논문 | 2022년 이후 |
|---|---|---|---|
| 이원보 | 공정시스템 · 고분자 및 유기 소재 | 2 | 0 |
| 이종민 | 공정시스템 | 1 | 0 |
연결되는 NTIS 분류
화학공정 1
논문 (최신순)
| 연도 | 논문 | 학부 저자 | 피인용 |
|---|---|---|---|
| 2020 | Data-driven fault diagnosis for chemical processes using transfer entropy and graphical lasso Computers & Chemical Engineering | 이종민 | 28 |
| 2019 | Process fault diagnosis via the integrated use of graphical lasso and Markov random fields learning & inference Computers & Chemical Engineering | 이원보 | 13 |
| 2018 | Efficient Process Monitoring via the Integrated Use of Markov Random Fields Learning and the Graphical Lasso 화학공정 › 공정시스템기술 Industrial & Engineering Chemistry Research | 이원보 | 9 |
인접 그래프
노드 hover = 이웃 강조 · 1회 클릭 = 고정 · 고정된 노드 다시 클릭 = 페이지 이동
이 문서와 연결된 페이지
교수 1
논문 3
Data-driven fault diagnosis for chemical processes using transfer entr · Process fault diagnosis via the integrated use of graphical lasso and · Efficient Process Monitoring via the Integrated Use of Markov Random F