화성학 문제
Q.. 장음계의 반음 자리는 ?= 3,4음 7,8음Q. 음계 음이름에서 제 1음이며 가장 중요한 음은?= Tonic, 으뜸음 (+ Tonic의 음이름이 그 음악의 조 이름(Key name))Q. = 마장조(E Major)Q. b이 6개 붙은 조성은?= 내림 사장조(G
[컴퓨터네트워크] 12. MULTIPLE ACCESS
여러 사람이 회선을 사용(ex. bus)할 때 생기는 문제들을 해결하기 위한 방법에 대한 규정Random-access protocol (임의 접근 프로토콜)Controlled-access protocol (제어 접근 프로토콜)Channelization protocol
[컴퓨터네트워크] 11. Data Link Control
Stop-and-Wait ARQGo-Back-N ARQSelective Repeat ARQreceiver의 buffer가 overwhelmed되지 않도록 보내는 data의 양을 잘 조절해주는 것data의 transmission을 자동적,반복적으로 요청하는 것Error
[컴퓨터네트워크] 4. Digital Transmission
4.1 Digital-to-Digital Conversion## 4.1 Digital-to-Digital Conversion## 4.2 Block Coding
[컴퓨터네트워크] 3. Data and Signals
연속적인 정보 ex) 음성이산적인 정보, 0과 1로 저장되는 데이터T : 주기aperiodic signal : 반복적인 주기가 없는 signalamplitude : 진폭period (T) : 주기frequency (f) : 진동수 (Hz) = 1초에 몇개의 신호를 보내
[컴퓨터네트워크] 2. Network Models
🍪 🍪 의의특정 layer에서 문제가 생기면 다른 layer의 장비 및 sw를 건드리지 않고도 이상이 생긴 layer만 고치면 된다.프로토콜 계층화 가능PhysicalData linkNetwork TransportApplication(5-7은 Application으
[컴퓨터네트워크] 8. Switching
dedicated : 전용선A가 연결을 요청...Efficiency : 연결 중에는 독점 / but connection이 많아져버리면 다른 사람들이 쓰지 못한다.Delay : 쭉쭉 전달목적지 주소만 붙이고 알아서 가도록. 순서 상관없이. 미리 연결을 할 필요가 없음목적
[컴퓨터네트워크] 1. Introduction
Full-duplex : simulatneouslystation : 통신할 수 있는 장치들= link로 이어져있는 node(device)들의 집합.분산 처리가 가능해진다. 1\. Performance(성능) : 어떻게 연결하느냐에 따라 성능에 차이. ex) 네트워크 범
[CS224W] 9. Theory of Graph Neural Networks
GNN은 Node, Graph Structure을 어떻게 구별하는가.Maximally expressive GNN model : 표현력을 어디서 극대화할 수 있을까.각 모델마다 다른 Propagation, Aggregation, Transfomation 방법론을 가지고
[CS224W] 6. Graph Neural Network
그래프에서 유사한 노드들이 함수 f 를 거쳐 d 차원으로 임베딩 되었을 때, 임베딩 공간 내에서 가까이 위치하도록 만드는 것 Encoder : 각 노드를 저차원 벡터로 매핑Similarity fuction : 원래 그래프 내에서의 노드 간 유사도와 임베딩 공간에서 노드
[CS224W] 5. Message Passing and Node Classification
Semi supervised node classification : 라벨링된 노드와 그렇지 않은 노드를 동시에 사용하는 분류문제 Message Passing 방법을 통해 노드 간의 correlation (dependencies) 을 가정하여 레이블을 예측한다. 비슷한
[CS224W] 4. PageRank
r은 중요도 벡터각 노드는 도착하는 링크의 합으로 중요도를 가진다.각 out link는 도착하는 노드로의 투표로 간주한다.각 out link는 출발하는 노드의 중요도 / 출발하는 노드의 out link 수로 투표수를 가지게 된다.Rank vector r : An en
[CS224W] 3. Node Embeddings
입력값으로 주어지는 그래프의 각 노드가 임의의 인코더를 통과하여 임베딩 공간에 위치하는 벡터로 바뀌는 과정.이 과정을 통해 그래프에서 유사한 노드들이 임베딩 공간에서도 근처에 있도록 맵핑한다.Incoder가 Node를 Embedding space로 매핑하여 벡터를 생성
[CS224W] 2. Traditional Methods for Machine Learning in Graphs
🔨 Machine Learning Tasks Node-level prediction Link-level prediction Graph-level prediction 🔨 Traditional ML Pipleline >- Design features for nodes
[CS224W] 1. Choice of Graph Representation
Object N : Nodes(Vertices)Interactions E : Links, EdgesSystem G(N,E) : Network, GraphPossible optionsWeight (ex. frequency of communication)Ranking (e
[Game Graphics] Graphics Pipeline
3D 컴퓨터 그래픽스에서 그래픽스 파이프라인이라는 3차원 도형이나 이미지를 2차원 래스터 이미지로 표현하기 위한 단계적 방법을 의미한다.래스터(raster) : 컴퓨터에서 도형이나 이미지를 픽셀로 구성한다. 이 점들의 모습을 조합하고 일정한 간격의 픽셀들을 나열하여 하
[강화학습] 상태 가치 함수 vs 행동 가치 함수
현재 상태가 얻을 Return의 기댓값 -> 현재 State에 대한 가치를 내놓는 함수 가치(value) = 어떤 상태가 얼마나 좋은 상태인지= Agent가 state s에서 탐험을 시작할 경우, 평균적으로 v(s)만큼의 감가율이 적용된 reward를 받을 것이다\->
[강화학습] 1. Markov Decision Process (MDP)
State에서 action을 해서 그에 대한 reward를 받고 새로운 state로 나아간다S - A - R - S' 가 계속 반복된다 / S0 A0 R1 S1 A1 R2 S2 A2 ....Agent : MDP에서 문제를 학습하고 행동을 결정하는 주체Environmen
[강화학습] 0. Introduction, 용어 정리
강화학습은 discrete time 에서 stochastic 하게 agent를 control하는 문제이다.Agent는 Policy에 따라 행동을 결정한다Agent의 행동에 따라 상태가 전이된다전이된 상태에서의 Reward를 Agent에게 준다Agent는 Reward에