수원대학교 웹메일

 

 

 

 

 

전기공학 교과과정
 

과목구분

교과목명

학점

시간

전공과목

 반도체
전기재료
전력계통해석
유전체론
압전 재료
전력계통안전도해석
반도체디바이스
전력계통제어 및 운영
자동화공학 특론
반도체소자특수과제
선형제어시스템
디지털신호처리
자동화시스템
전자계산기구조
논리설계 및 마이크로 프로세서
화상신호처리
컴퓨터비젼
지능제어
고체전자공학
전기재료특수과제
전자장론
전자물리
귀환제어시스템
전력전자시스템
영상처리 특론
뉴로-퍼지 이론
지능정보 시스템
컴퓨터지능
진화이론
지능형 최적화 알고리즘
패턴인식
로보틱스
비선형시스템 모델링 및 시뮬레이션
퍼지시스템 이론
데이터마이닝
 논문

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
 2
2
2
2
2
2
2
2
2
6

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

전기공학 교과목 해설
 
  • 반도체 (Semicondutor Engineering)
    현대 정보 통신 기술의 근간을 이루는 반도체 소자 및 집적회로의 핵심인 반도체 재료에 대해 기본 물성 및 결정 성장 등에 대해 강의한다.
  • 전기재료 (Electrical Materials)
    전기기기 및 조자의 재료 즉 도전재료, 유전재료, 반도체재료, 자성재료, 절연재료 등의 물성 및 응용, 요도를 배운다.
  • 전력 계통 해석(Power System Analysis)
    송?배선의 기본 이해를 바탕으로 하여 효율적인 전력의 이동과 이르 구현하기 위 한 수치적인 해석과 이의 응용연구.
  • 유전체론 ( Dielectrics )
    유전체의 기본 완화 특성과 전기회로에서의 완화특성, 완화의 열역학 특성, 단일 및 다중 완화 시간을 갖는 유전체, 가스 및 액체 상태의 결정에서의 완화특성 등을 습득 시킨다.
  • 압전재료 (Pyezoelectric Materials)
    고체의 원자배열 및 좌우 대칭요소, 방향과 결정면, 단위창 등에 대한 소개, 즉 점, 선 및 표면결함 및 전위와 성질, 전위와 점 결함과 상호작용, 압전성 및 유기, 무전업전재료
  • 반도체디바이스 (Semiconductor Devices)
    각종반도체 소자의 특성 및 소자 제조기술을 습득한다.
  • 반도체소자 특수과제 (Special Topics On Semiconductor Devices)
    정보통신기술의 기반 기술을 이루는 반도체소자 기술을 설계단계에서 전 공정 및 후 공정에 이르기까지 포괄적으로 개관하고 이슈화되고 있는 신개념 반도체소자에 대해 기본개념을 이해시키도록 한다.
  • 선형제어시스템(Linear System Control)
    시스템의 성능을 향상 시키기 위하여, 시스템에 대한 해석과 설계에 필요한 이론을 배 운다.
    본 강좌는 비선형 시스템의 선형화를 다루며. 정방행렬함수 및 Quadratic form, LTI State equation, Canonical form, LTV System, 안정도, I/O Stability, Internal Stability, Lyapunov 정리, Canonical Decomposition, Minimal Realization, QR Decomposition, Matrix Polynomial function, Coprime Function, State Feedback의 개념 과 Regulation, Tracking and Estimation등을 학습한다.
  • 디지털신호처리 (Digital Signal Processing)
    디지털 신호처리 기법은 통신, 음성/영상신호처리 등의 다양한 과학기술 분야에서 매우 중요한 역할을 하며 그 응용 분야가 넓어지고 있다. 본 강좌는 sampling 이 론, 연속신호(continuous-time signal)와 이산신호의 주파수 스펙트럼 관계, 선형 시불변 이산시스템의 시간영역, Sampling, Quantization, DTFT, Z-변환, DFT/FFT, Windowing 기법, Transform-영역해석, IIR, FIR 필터의 설계, 유한정도 해석, Multirate 신호처리 등을 학습한다.
  • 자동화 시스템(System Automation)
    자동화 시스템에 사용되는 여러 가지 경우의 수치해석 및 시스템 제어에 대한 이해 와 이의 실제. Simulation study
  • 전자 계산기 구조 (Computer Architecture)
    전자계산에 대한 기본적인 algorithm의 이해와 이의 응용을 위한 단위소자의 분석 과 제조, 응용에 대한 연구.
  • 논리설계 및 마이크로프로세서 (Logic Design & M - processors)
    마이크로프로세서 및 마이크로컴퓨터 시스템의 hardware와 software, interface 등 을 학습한다. addressing 방법, instruction set, I/O 장치 등을 배우며 memory, I/O간의 interface와 interrupt, DMA, 프로세서간의 통신 등과 같은 개념을 배운다.
  • 화상신호처리 (Image Signal Processing)
    검출된 영상신호 정보를 디지털 신호로 변환하여 압축하고 재구성하는 등 제반 처 리를 하는 과정에서 필요한 이론 및 방법을 강의함.
  • 컴퓨터비젼 (Computer Vision)
    본 과목은 컴퓨터에 의한 영상해석을 위한 이론을 정의한다. 영상 형성의 모델, 초 기처리과정, 경계선의 검출, 영역의 확장과 분할, 움직임검출, 정합, Morphology 등의 알고리즘 소개와, 도형인식을 위한 통계적 모델, 분별함수, 결정 경계 및 법 칙, 신경망 등의 이론을 강의한다.
  • 지능제어 (Intelligent Control)
    선형화제어기, PID제어기, 적응제어기, 학습제어기, 퍼지제어 및 신경회로망제어기 기 등을 설계하는 방법 및 Stability analysis를 학습한다.
  • 고체전자공학 (Solid State Electronics)
    각종 전자재료의 물리처리과정 및 기술적인 제한 등을 다룬다. 절연체, 강자성 재 료, 페라이트, 도체, 반도체, 초전도체 등을 대상으로 하며, 또한 새로운 고체물질 을 이용한 장치의 설계 제조기술을 배운다.
  • 전기재료 특수과재 (Special Topics On Electrical Materials)
    전자 소재 및 부품의 제작에 사용되는 각종 재료의 기본 특성을 배운다. 결정물질 의 구조해석과 분석 방법, 전자에너지 구조와 Fermi-Dirac의 통계역학적 해석소개, 물질의 광학적 특성, 자성체, 유전체와 초전도 재료 등을 다룬다.
  • 전력계통안전도해석 (Power System Stability Analysis)
    동기기 해석, Park 변환, Eq'-모델, 선형화시스템 및 고유치해석, 과도안정도해석, 시스템 초기치 산정, 전력계통의 등가역학모델, 에너지함수유도, Lyapunov 직접법, 선로저항, 발전기 제어계 영향을 고려한 에너지 함수 유도.
  • 자동화공학 특론 (Advanced Automation Technology)
    미지의 파라마터가 존재하는 시스템 해석법을 배운다.
    Lyapunov 안정도 이론, 적응관측자, MRAS 설계 등에 관한 기본 이론을 배우고 컴퓨 터 모의실험을 통한 사례검토를 한다.
  • 전자장론 (Electro Magnetic Field)
    자유공간과 등질성(Homogeneous), 등방성(Isotropic) 물체에서의 평면파의 특성, 반사 및 회절(Refraction)을 취급하며 또한 도전성(Conductive) 물체와 손실성 (Lossy) 물체 내에서의 평면파 특성도 배운다. Poynting의 정리, 분포정수 회로, 집중정수 회로 전송선, 특성임피던스와 전파정수(Propagation constant), Smith chart, Impedance matching을 배우며 도파관(Waveguide)과 Cavity 및 안테나의 기 본 특성을 배운다.
  • 전자물리 (Physical Electronics)
    반도체 소자(Device)의 기본원리를 공부하며, 전자와 정공(Hole)에 의한 전류, Tunnelling, P-N 접합, Bipolar transistor, JFET(Junction Field Effect Transistor), MOSFET(Metal Oxide Semiconductor Field Effect Transistor)와 기타 최신 Device 를 취급한다. 또한 소자의 집적회로에의 응용을 다룬다.
  • 귀환제어시스템 (Feedback Control System)
    퍼지 이론과 신경망 이론을 이용한 제어법을 배운다.
    Fuzzy Set, Relations 등 각종 기초 개념을 배우고, 퍼지모델과 시스템, 그리고 퍼 지제어기를 배우며, 신경망의 구조 및 학습법, BPN, CPN, Associative Memory 및 그 응용에 대한 고찰을 한다.
  • 전력전자시스템 (Power Electronics & System)
    싸이리스터와 트랜지스터의 특성과 응용, Commutation, 교류전압 제어기, 단상전파 (full-wave) 제어기삼상전파 제어기, DC chopper, bridge inverter, 단상 inverter, 삼상 inverter, cycloconverter, modulation, harmonic analysis, Fourier 해석 등을 다룬다.
  • 영상처리 특론 (Advanced Electromagnetics)
    컴퓨터에 의한 영상의 처리와 분석을 다룬다. 이를 위해 사람의 시각계의 구조와 원리, 영상시스템의 모델링, 샘플링, 양자화(quantization), 영상의 개선 (enhancement)과 복구(restoration), 2차원 데이타의 필터링과 변환이론 등의 영상 처리기법을 소개하고 에지 검출, 영상분할, 매칭 등의 영상분석기법을 다룬다. 또 한 여러 변환기법을 이용한 영상의 코딩문제를 소개하고 이들을 위한 최신 영상처 리용 컴퓨터 구조를 소개한다
    뉴로-퍼지 이론(Neuro-Fuzzy Theory)
  • 신경회로망 및 퍼지이론을 결합하여 새로운 형태 지능형 모델을 설계한다. 신경회로망의 유연한 구조적 특성 및 퍼지의 불확실성을 결합하여 다양한 형태의 모델설계에 대해 연구하고 구조와 파라미터 학습방법을 습득한다.
  • 지능정보 시스템(Intelligent Information System)
    지능형 모델을 실제 시스템과 결합하여 예측, 분류, 보조의사결정 등 다양한 분야에서 적용되며, 컴퓨터 지능 알고리즘과 시스템을 결합하는 방법에 대해 학습한다.
  • 컴퓨터지능(Computational Intelligence)
    컴퓨터 지능은 지능형 모델 즉 퍼지모델, 신경망모델, 진화최적화 모델을 비롯한 클러스터링 및 최적화 그리고 전처리과정 등 서로 다른 분야의 학습 및 추론이론을 접목하여 상호 장점을 결합한 Hybrid 지능형 모델을 설계하는데 목적을 둔다.
  • 진화이론(Evolutionary Algorithms)
    자연계의 진화고정을 컴퓨터상에 시뮬레이션 함으로써 학습과 최적화 등의 복잡한 실세계의 문제를 해결하려는 접근법 중의 하나이다. 진화연산은 구조가 간단하과 방법이 일반적이어서 응용범위가 매우 넓으며, 특히 적응적 탐색과 학습 및 최적화를 통한 공학적인 문제해결능력을 배양한다.
  • 지능형 최적화 알고리즘(Intelligent Optimization Algorithms)
    유전자 알고리즘(GA), 입자 군집 최적화(PSO), 차분 진화알고리즘(DE), Ant Colony Optimization(ACO), Artificial Bee Colony(ABC)와 같은 기존 및 최근에 제안된 최적화 알고리즘을 이용한 컴퓨터 지능과의 결합을 통한 모델의 최적화 방법에 대해 학습한다.
  • 패턴인식(Pattern Recognition)
    카메라에 잡힌 여러 가지 영상을 분류, 분별, 분석하기 위해 통계학적인 방법과 클러스터링, 그리고 확률적인 방법이 있으며 연결 모델에 의한 신경망 및 퍼지이론에 의한 방법 그리고 지식기반 인식 방법 등으로 나눌 수 있다. 이러한 다양한 방법들을 공부하고 실제 패턴인식 시스템 구성 및 응용을 다룬다
  • 로보틱스(Robotics)
    로봇이 정해진 목적을 수행하기 위해 필요한 프로그램을 작성하여 로봇의 위치제어 및 카메라를 통한 사물 인식 등의 로봇기술을 소개한다.
  • 비선형시스템 모델링 및 시뮬레이션(Nonlinear System Modeling and Simulation)
    어떤 시스템을 실제로 구축하기 전 그 시스템에 대한 안정성 및 최적화 방법에 대해 연구하고, 시스템 시뮬레이션을 설계하고 실행함으로써 시스템의 동특성 분석 및 개선방법을 습득한다.
  • 퍼지시스템 이론(Fuzzy Systems Theory)
    인간의 두뇌는 감각 기관에 의해 감지된 애매하고 불확실한 자극의 정보를 해석한다. 퍼지는 이러한 불분명한 정보를 언어적으로 다루기 위한 체계적인 계산법을 제시하며 그것은 멤버쉽 함수에 의한 규정된 언어적 변수를 이용하여 수치적인 연산을 수행한다. 또한 If-Then 형태의 퍼지 규칙은 인간의 전문적 기술을 모델링할 수 있는 퍼지추론 시스템의 핵심요소를 학습한다.
  • 데이터마이닝(Data Mining)
    방대한 데이터로부터 숨겨져 있는 데이터간의 상호 관련성, 패턴, 경향등 유용한 정보를 추출하여 실제의 의사경정에 적응하는데 사용되는 결정트리, 신경망, 연관규칙 등을 학습한다.

 

 

 
 
수원대학교 웹메일