Since. 24살

osi 7계층 / TCP/ IP 5계층 (참고: https://coding-factory.tistory.com/347, kimlog.me/network/2020-01-12-tcp-ip-5layer/) The Internet: a “nuts and bolts” view 수십억 개의 연결된 컴퓨팅 장치 : 호스트 host = 최종 시스템 end system 인터넷 "엣지 edge"에서 네트워크 앱 apps 실행 IOT의 등장으로 급속도로 많아졌다 패킷 스위치 Packet switches : 포워드 패킷 forward packets (데이터 덩어리 chunks of data) 라우터 router, 스위치 switches 커뮤니케이션 링크 Communication links 광섬유 fiber, 구리 copper..

네트워크란? 서로 쌍을 이루는 Points의 모음 Points = vertices 또는 nodes Lines = edges 또는 links 시스템 부분 간의 연결 또는 상호 작용 패턴을 나타내는 강력한 수단입니다 네트워크에 관심있는 이유는? 배후에 있는 네트워크를 이해하고 계획하지 않으면 복잡한 시스템을 이해할 수 없다. 네트워크 구조, 특정 상호 작용 패턴은 시스템 동작에 큰 영향을 미칠 수 있다. 인터넷에서 경로 및 운송 효율성에 영향을 미친다. 소셜 네트워크에서 사람들이 학습하고 의견을 형성하고 뉴스를 수집하는 방법에 영향을 미친다. 각 복작한 시스템 뒤에는 구성 요소 간의 상호 작용을 정의하는 네트워크가 있다. 네트워크 예시 World-trade Networks Romantic Relations ..

1. 함수로서의 인공신경망 2. 피드포워드 네트워크 구조 3. 입력 계층 (Input Layer) 4. 은닉 계층 (Hidden Layer) 5. 출력 계층 (Output Layer) 6. 네트워크 크기 1. 함수로서의 인공신경망 Universal Approximation Theorem 한정된 수의 뉴런을 포함하는 단일 은닉 계층이있는 피드 포워드 네트워크는 Rn의 압축 하위 집합에 대한 연속 함수를 근사화 할 수 있습니다. (단, 활성화 함수는 비선형함수) “더 깊은 신경망이 필요한가?” • 신경망을 깊게 하면 적은 수의 뉴런으로 함수를 구현할 수 있음 • 신경망이 깊어질수록 함수를 정확하게 근사할 수 있음 (임계점이 적어지고 Local Minima가 모여서 최적점을 잘 찾음) (“Geometry of..

인공 신경망의 70년 역사 McCulloch-Pitts 모델 (1943) - 최초 수학적 뉴런 모델 McCulloch-Pitts 모델의 가설 1. 뉴런은 활성화되거나 혹은 활성화되지 않은 2 가지 상태이다. 즉, 뉴런의 활성화는 'All-or-nothing' 프로세스이다. 2. 어떤 뉴런을 흥분되게 (excited) 하려면 2개 이상의 고정된 수의 시냅스가 일정한 시간내에 활성화 (activated) 되어야 한다. 3. 신경 시스템에서 유일하게 의미있는 시간지연 (delay) 은 시냅스에서의 지연 (synaptic delay) 이다. 4. 어떠한 억제적인 (inhibitory) 시냅스는 그 시각의 뉴런의 활성화 (activation) 를 절대적으로 방지한다 5. 신경망의 구조는 시간에 따라 변하지 않는다..

1. 딥러닝이란 인공지능 (Artificial Intelligence) - 어떤 문제를 사고하고 해결할 수 있는 지능을 만드는 기술 머신러닝 (Machine Learning) - 기계 스스로 학습을 통해 지능을 습득하는 것에 관한 기술 딥러닝 (Deep Learning) - 인공 신경망을 이용한 머신러닝 기법 인공신경망 * 생체 신경망의 작동 원리를 모방해서 만든 인공 신경망 * 인공 뉴런들이 서로 복잡하게 연결되어 있는 네트워크 * 뉴런은 신호를 받아서 임계치 이상이 되면 신호를 발화 : 활성화 함수 (Activation function) 인공뉴런 The map of the machine learning world https://vas3k.com/blog/machine_learning/

1. 배경 Sequence Data ex) 음악/소리(Sound), 문자 언어/소리 언어(Language), 동영상/애니메이션(Video), 운동(Locomotion), DNA 염기 서열, 주가 차트(Trend), 자연 현상(Natural Phenomenon) 이러한 Sequence Data를 학습시키는 모델 기억을 갖는 신경망 Association Memory (1982) - Hopefield Network 2. RNN 구조 기억을 갖는 신경망 Feedforward Neural Network RNN (Recurrent Neural Network) Vanilla RNN 기억의 형태 RNN 응용 3. RNN 주요 모델 Many-to-One Many-to-Many -Teacher Forcing One-to-..

우분투 설치하기 위해 만든 부팅 USB이 파일을 지워도 용량이 늘어나지 않는다. 그래서 USB 포맷했다. C:\User\___> cd / # c드라이브로 이동 C:\> diskpart # diskpart 실행 DISKPART> list disk # disk 목록 확인 DISKPART> sel disk 2 # 2번 디스크 선택 DISKPART> clean # partition 삭제 DISKPART> create partition primary # 주 partition 생성 DISKPART> fromat quick fs=ntfs # NTFS방식으로 빠른 포맷 DISKPART> exit # 종료

지도 학습과 비지도 학습 지도학습 (Supervised learning) Tag를 가진 sample(x,t)로 구성된 학습 model 사용 •x는 특징 벡터이고 t는 x가 속한 부류 학습 모델 학습 모델은 매개변수 집합 Θ로 표현됨 (예, 그림 8-3에서 Θ는 분할 경계선을 표현) 모델 선택이 필요하면 추가적으로 검증 집합 사용 학습의 목표는 최적의 Θ 값을 찾는 것 •Θ 값이 얼마나 좋은지 측정하는 목적 함수 필요 학습 알고리즘의 원리 학습 집합을 사용하여 현재 Θ 값을 평가한 후, 개선하는 방향을 알아내 갱신 이런 과정을 수렴할 때까지 반복 error를 줄이는 방법으로 Θ 변경 일반화 능력 학습 과정에서 사용하지 않은 테스트 집합으로 학습이 완료된 분류기 성능을 평가 학습 집합과 테스트 집합에 대한 ..

3차원 데이터, 주로 깊이 영상(depth image)을 다룬다. (물체가 카메라에서 얼마나 떨어져있는지) 초음파, 레이져 (키넥트 센서) 3차원 정보를 얻는 센서 밝기 차이는 거리를 의미한다. 먼부분은 발게, 가까운 부분은 어둡게 거리측정을 모든 점에서 하지는 못한다. 두 가지 연구 주제 •깊이 영상의 획득 •깊이 영상의 해석 (물체 분할, 추적, 인식 등) 스테레오 깊이 영상을 획득하는 방법 §수동적 방법 영상을 측정하기 위해서 2대 이상의 카메라를 사용하여 영상을 획득한 후 그들을 분석하여 깊이 정보를 알아내는 접근 방식을 사용한다. projector 사용안함. §능동적 방법 •장면에 어떤 무늬 또는 파를 쏜 후 그것을 분석하여 깊이를 알아낸다. •11.3절에서 능동 방법을 살펴본다. project..

실수는 우리가 컴퓨터에서 계산을 위해 많이 사용한다. N bits로 수를 표현하는 방법 – Unsigned integers: 0 to 2^N – 1 (for N=32, 2^N–1 = 4,294,967,295) – Signed Integers (Two’s Complement) -2^(N-1) to 2^(N-1) - 1 (for N=32, 2^(N-1) = 2,147,483,648) - 아주 큰 수 (seconds/millennium) Þ 31,556,926,00010 (3.155692610 x 10^10) - 아주 작은 수 (Bohr radius) Þ 0.000000000052917710m (5.2917710 x 10^-11) ‘fixed binary point’, range is fixed, 표현할 수 ..