황창하 자문위원장
페이지 정보
작성자 관리자 작성일15-04-15 14:10 조회7,979회 댓글0건본문
황창하 
<학력>
경북대학교 수학교육학 (학사)
서울대학교 계산통계학 (석사)
Univ. of Michigan-Ann Arbor 통계학 (박사)
<전공 및 연구분야>
다변량통계학, 기계학습, 패턴인식, 데이터마이닝, 금융, 보험통계학, 생물정보학 등
<경력>
KT 전임연구원
University of Michigan 통계학과 강의조교
경성대학교 전산통계학과 전임강사, 조교수
대구가톨릭대학교 정보통계학과 조교수, 부교수, 교수
단국대학교 데이터사이언스학과 교수
University of Guelph (Canada) 방문교수
Oregon State University 방문교수
<수상경력>
연도 |
수상명 |
2005 년 |
한국데이터정보과학회 논문상 (최우수논문상) |
2009 년 |
한국통계학회 학술상 (학술진흥상) |
2011 년 |
한국과학기술단체총연합회 제21회 과학기술우수논문상 |
2018 년 | 한국통신학회 논문상 (우수논문상) |
<연구개발 경력>
기간 | 프로젝트명 | 참여 | 지원기관 |
2009년05월 ~2011년04월 | 시간의존 자료의 분석을 위한 서포트 벡터 기계 분위수회귀 | 책임연구자 | 한국연구재단 |
2009년07월 ~2012년12월 | 소프트웨어 공학 방법론과 금융 공학 지식기반 차세대 금융 SW 프레임워크 | 공동연구자 | 한국소프트웨어 진흥원 |
2011년09월 ~2014년08월 | 커널기반 학습이론을 이용한 소지역 추정 | 책임연구자 | 한국연구재단 |
2014년11월 ~2017년04월 | 시공간 구조적 자료의 분석을 위한 커널 기반 비모수회귀모형 | 책임연구자 | 한국연구재단 |
2016년 11월 ~2019년 10월 | 복잡한 자료를 분석하기 위한 딥러닝 기법 개발 | 책임연구자 | 한국연구재단 |
2015년 09월 ~2018 년 08월 | 행태과학에 기초한 지역 경제 발전 통합 연구 | 공동연구자 | 한국연구재단 |
2015년 05월 ~2020년 06월 | 에너지 빅데이터 기반 M&V 기술 고급트랙 | 공동연구자 | 한국에너지 기술평가원 |
2017년 05월 ~2017년 11월 | 금융 환경에 적용 가능한 지능형 사이버 보안 | 책임연구자 | (사)금융보안원 |
2018 년 06월 ~2018 년 08월 | 건물에너지 관리시스템 데이터분석 가이드라인 개발 | 공동연구자 | 한국에너지공단 |
2019년 06월 ~2021년 12월 | 인공지능 기반 신약 개발 통합 플랫폼 개발 및 신약 후보물질 개발 | 공동연구자 | 한국연구재단 |
2020년 06월 ~2023년 02월 | 불균형 데이터 분류를 위한 지지벡터기계에 대한 연구 | 책임연구자 | 한국연구재단 |
<논문 실적 목록>
1. Semiparametric least squares support vector machine for accelerated failure time model, Journal
of Korean Statistical Society, 40, 75-83, 2011.
2. Mixed-effect least squares support vector machine for analyzing pharmacokinetic
and pharmacodynamic data, Neurocomputing 74, 3412-3419, 2011.
3. Estimating value at risk with semiparametric support vector quantile regression, Computational
Statistics 27, 685-700, 2012.
4. The uniform central limit theorem for the tent map, Statistics and Probability Letters, 82, 1021-
1027, 2012.
5. Transcription factor-binding site identification and gene classification via fusion of the
supervised-weighted discrete kernel clustering and support vector machine, Journal of Applied
Statistics 41, 573-581, 2014.
6. Semiparametric spatial effects kernel minimum squared error model for predicting housing sales
prices, Neurocomputing 124, 81-88, 2014.
7. Estimating small area mean with mixed and fixed effects support vector median regressions,
Neurocomputing 145, 174-181, 2014.
8. Composite support vector quantile regression estimation, Computational Statistics. 27, 685-700,
2015.
9. Varying coefficient modeling via least squares support vector regression. Neurocomputing, 161,
254-259. 2015.
10. Support vector quantile regression with varying coefficients. Computational Statistics, 31, 1015-
1030. 2016.
11. Monotone support vector quantile regression. Communications in Statistics -Theory and Methods
46:10, 5180-5193. 2017.
12. Kernel-based random effect time-varying coefficient model for longitudinal data.
Neurocomputing, 267, 500-507, 2017.
13. Kernel-based orthogonal quantile regression model. Model Assisted Statistics and Applications,
12, 217-226, 2017.
14. Semivarying coefficient least-squares support vector regression for analyzing high-dimensional
gene-environmental data. Journal of Applied Statistics, 1-12, 2017.
15. The Laws of the Iterated Logarithm for the Tent Map. Communications of the Korean
MathematicalSociety, 32, 4, 1067-1076, 2017.
16. Application of a multiple linear regression and an artificial neural network model for the heating
performance analysis and hourly prediction of a large-scale ground source heat pump system,
Energy and Buildings, 165, 206-215, 2018.
17. AndroClass: An Effective Method to Classify Android Applications by Applying Deep Neural
Networks to Comprehensive Features, Wireless Communications and Mobile Computing, 1-22,
2018.
18. Kernel-based geographically and temporally weighted autoregressive model for house price
estimation, PLoSONE, 13, 10, 1-16, 2018.
19. Detection of chromosome structural variation by targeted next-generation sequencing and a
deep learning application, Scientific Reports, 9, 3644, 2019.
20. Evaluating recycling potential of demolition waste considering building structure types: A study
in South Korea, Journal of Cleaner Production 256, 120385, 2020
21. Kernel-based spatial error model for analyzing spatial panel data, Model Assisted Statistics and
Applications 15, 239-248, 2020
22.Subject Specific Deep Neural Network for Longitudinal Study in Pharmacokinetics and
Pharmacodynamics, Quantitative Bio-Science, 2022
23. 딥러닝 기반 객체 인식을 통한 철계 열처리 부품의 인지에 관한 연구, 열처리공학회지, 2022
24. 퍼미션 정보를 이용한 딥 러닝 기반 안드로이드 악성 앱 패밀리 분류, 한국차세대컴퓨팅학회 논문지, 2022
25. Predicting the Outcomes of Clinical Trials with an Ensemble LS-SVR, 2022
댓글목록
등록된 댓글이 없습니다.
