인간의 학습능력, 추론 능력등을 컴퓨터를 통해 구현하는 포괄적 개념Strong AI 와 week AI 로 구분Data 를 이용하여 데이터 특성과 패턴을 학습하여, 그 결과를 바탕으로 특정 데이터에 대한 미래 결과(값, 분포)를 예측Learn from data머신러닝의

PIL.Image.DecompressionBombError: Image size (190476000 pixels) exceeds limit of 178956970 pixels, could be decompression bomb DOS attack.위와 같은 에러가 발생

-

지금까지 3번째 보는 탑싯인데 단 한 번도 공부를 하고 보러 간 적이 없어서 후기라고 하기도 좀 그렇고, 어떤 문제가 있었는지 되짚어 보는 글 정도로 해둬야겠다. 공부도 하나도 안하고 갔으면서 웬 후기냐구요? 다음 하반기 특별평가 때는 열심히 볼 예정이기 때문에 내가

Pixel CNN++ 논문에서 softmax말고 discretized logestic mixture likkelihood를 사용했다는데, 이게 뭔지 몰라서 찾아 보았다.

보드를 쓸 때 사용자의 입력을 polling/interrupt 방식에 의해 감지할 수 있다.2가지 방식으로 구현하기에 앞서 개념을 정의해보자.polling은 하드웨어의 변화를 지속적으로 읽어 들이며 이벤트의 수행 여부를 주기적으로 검사하여 해당 신호를 받았을때 이벤트를

AR 모델에 대해 공부를 하자 공!부!Pixel RNN: Row LSTM, Diagonal BiLSTM, Pixel CNNPixel CNN decoders: Gated PixelCNNAuto-Regressive model은 model의 Output을 다시 input으로

분산되어 존재하는 객체 간의 메시지 전송을 가능하게 함 (데이터베이스, 애플리케잇션, 클라이언트 모두 객체를 통해 구현하고 저장하게 된다. 이렇게 분산되어 존재하고 있는 객체들 간의 메시지 전송의 필요성이 생겼고, 이를 가능하게 하는 것이 RMI 프로토콜이다.RMI자체

더 이상 미룰 수 없어!! 0. Abstract Natural image의 distribution을 모델링 하는 것은 unsupervised learning의 두드러진 문제이다. 이런 task에는 표현력이 뛰어나고 다루기 쉽고 scalable한 이미지 모델이 필요하

시간이 너무 빨리 흐르고 바쁜 하루하루를 보내지만 무엇을 어떻게 공부하고 있고, 제대로 실력을 쌓아가고 있는지 의문이 들어서 시작하는 TIL.시간 관리를 똑바로 하고, 주어진 일들을 집중해서 빨리 끝낼 것.잘해야 하는 것이 너무 많은 4학년 컴공. 힘들지만 어쩔 수 없

최근 percptual loss 기반 super resolution 연구들은 성능 향상을 이뤄왔다. 이와 같은 objective function들은 거의 사진과 유사한 결과를 생성한다. 하지만 이는 이미지 내의 semantic information들을 고려하지 않고,

임베디드 어셈블리 공부를 하기 위해 필요한 mdk-arm v5를 설치해보겠다. 컴퓨터구조에서 MIPS 코딩할때는 QTspim 이름 진짜 졸귀탱인거 사용했었는데, 이건 처음본다.. 부지런히 열공 뚝딱뚝딱! 임베디드 뿌슝빠숑! Keil MDK-ARM v5 다운로드 ke

방학동안 인턴으로 근무한 회사에서 딥러닝 학습을 위해 RTX 3090 GPU를 주고(진짜 좋아 3090,, 나 혼자 학습 마구마구>\_<), 서버를 구축하여 사용하라고 하셨다. 학교 연구실에서는 서버 관리를 교수님과 대학원생 분들께서 해주셨는데 처음으로 해보는 작

GAN을 학습시킬 때 제한된 양의 훈련 데이터가 사용될 경우, Discrimiator가 훈련 데이터를 기억하기 때문에 성능이 크게 저하되는 문제가 발생한다. 논문에서는 이를 해결하기 위해 실제 샘플과 가짜 샘플 모두에 다양한 유형의 augmentation을 적용하여 G

Image classification은 DNN에 Input으로 이미지를 넣으면, 그 이미지에 해당하는 클래스를 분류해내는 문제를 의미한다.OD는 이미지 분류에서 사물의 위치를 bounding box로 예측하는 regression이 추가된 테스크이다. 일반적으로 OD는

tSNE (t-Stochastic Neighbor Embedding)는 감독되지 않는 비선형 기술이며 일반적으로 높은 차원의 특징을 가진 데이터 샘플을 시각화하는 데 사용된다. t-SNE의 주요 목적은 Data Visualization으로 고차원 데이터를 2차원 또는

오늘 탑싯보고, DB Query문을 많이 잊어버렸다 생각하여 항로그에 기록하러 들어갔다가, 잔디 색깔이 바뀐 것을 보았다.할로윈이라고 잔디 색깔이 노랑 ~ 주황 ~. 예뻐서 기록! 😜 🧡💛학기 중엔 개발을 잘 못하는 것 같아서 아쉽다.알고리즘 공부도 꾸준히 하고,

3-1. Transport-layer services 트랜스포트 계층은 프로세스간 정보를 전달시켜주는 기능을 한다. app' process간의 논리적인 정보전달 기능을 제공한다. core망에서는 기본적으로 network layer까지 처리, transport laye

I. Implement histogram, KDE, MLE 1. Data (weight-height.csv) The dataset given in this task consists of columns of gender, height, and weight, and ge

라그랑주 승수법스털링 근사정보 이론(https://en.wikipedia.org/wiki/Information_theory이럴거면 이과할걸