maizer's blog

델타(Δ)와 d의 차이 델타(Delta, Δ)란 일반적인 변화량(혹은 값의 변화량)을 의미합니다. 보통 수학에서 델타를 사용할 경우 셀 수 있는 간격이나 일반적인 값의 차이를 말합니다. 그러나 d(dy/dx)의 경우에는 셀 수 없이 아주 작은 간격, 즉 델타에 극한이 붙어 셀 수 없이 작은 간격을 의미합니다. 이는 결국 미분을 의미하게 되지요. 추가로 설명해드리자면 d는 단독으로 쓰일 수 없으며 미분연산자(d/dx)형태나 전미분(dx, dy 한창 후에 나올 미분의 한 형태입니다.)의 형태로 쓰여야 합니다. 참고문헌 미분과 도함수(Differential & Derivative), 정개유... Read More

발표 자료 오늘은 인공신경망에 대해 설명하도록 하겠습니다. 인공신경망은 1943년 신경생리학자 Warren McCulloch와 수학자 Walter Pitts가 발표한 논문 A Logical Calculus of Ideas Immanent in Nervous Activity에서 처음 소개되었습니다. 1980년 Connectionism을 필두로 현재까지 발전하고 있습니다. 인공신경망은 인간의 신경망에서 영감 받아 만들어졌습니다. 인공신경망 초기에는 이진 입력과 이진 출력을 가졌습니다. 1957년 Frank Resenblatt가 Perceptron을 제안하였고 TLU, Threshold logic unit... Read More

ANN이란 ANN이란 Artifical Nureal Network의 약자로 인공 신경망을 뜻한다. ANN의 종류는 Perceptron, CNN, AE, VAE 등등 많다. ANN에 사용되는 변수 $x$ : Feature, 특징 $W$ : Weight, 가중치 특징 $x$에 대한 가중치이다. If $i$ == 1: $W_{1}$ = Random_number else: $W_{i} = W_{i-1} + lr\cdot \frac{\sigma L}{\sigma w}$ $y$ : True label, 실제 결과(레이블) 값 레이블... Read More

비용 함수(cost function)는 손실 함수(loss function)의 다른 말입니다. 엄밀히 말하면 손실 함수는 샘플 하나에 대한 손실을 정의하고 비용 함수는 훈련 세트에 있는 모든 샘플에 대한 손실 함수의 합을 말합니다. 하지만 보통 이 둘을 엄격히 구분하지 않고 섞어서 사용합니다.[1] 참고문헌 1. Chapter 04-02 손실함수, 혼자 공부하는 머신러닝 + 딥러닝, 박해선, 한빛미디어(주) Read More

발표 자료 안녕하세요. 저는 컴퓨터공학과 석사 1학년 중인 진현우입니다. 저는 인공지능 생성모델 GAN을 연구하고 있습니다. 저는 컴퓨터공학부 정보보안을 전공으로 학사를 졸업하였습니다. 동서대학교 보안연구실인 CNSL에서 회장을 하였던 경험이 있습니다. 학사기간동안 다양한 활동을 해보기 위해 방학동안 회사에서 일하였고 창업도 해봤으며 논문도 작성하였습니다. 회사에서 프로그램 개발과 통합네트워크 보안을 담당하였습니다. 학교에서 배울 수 없는 회사의 시스템을 배울 수 있었습니다. 저는 Python의 Django, Java의 Spring을 사용하여 웹 개발을 해봤던 경험이 있습니다. 웹 개발을 위해 ... Read More

Google Search Console https://search.google.com/search-console에서 블로그를 google에 노출할 수 있다. 속성 추가를 통해 블로그 url등록이 가능하다. URL 접두어에 블로그 주소를 넣어주고 계속 html파일을 추가하라는 안내에 따라 블로그 폴더에 넣어준다. GitBlog 설정 GitBlog, naverblog등 다양한 사이트에 sitemap이라는 xml파일을 가지고 있다. sitemap은 웹 사이트, 블로그의 지도라고 생각할 수 있다. 모든 페이지를, 페이지의 url을 한페이지에 모두 모아뒀다. 이를 직접 xml파일을 폴더에 추가해주는 방법과 ... Read More

AutoEncoder 생성 Variational AutoEncoder Distribution Latent variable manifold learning Objective Function Loss Function Non-Saturating Loss Function minmax function fully connected Read More