profile
학생
post-thumbnail

PPO

현재 Policy를 가능한 빠르게 향상시키되, 성능이 발산 해버릴 정도로 너무 Policy가 급격하게 바뀌는 것을 억제상호작용: 현재 정책을 따르는 Actor (πθ)가 환경과 직접 상호작용하여 경험 데이터를 수집합니다.데이터 생성: 특정 상태(st)에서 행동(at)을

2025년 9월 5일
·
0개의 댓글
·

MARL

Multi-Agent Reinforcement Learning(MARL) > 다수의 에이전트(Agent)가 하나의 환경에서 상호작용하며 동시에 학습하는 강화학습 협력(Collaboration), 경쟁(Competition), 공존(Coexistence) 등의 다양한 상

2025년 9월 5일
·
0개의 댓글
·
post-thumbnail

Poisson Process

이항 분포는 정해진 횟수(n)의 독립적인 시행에서 성공 확률이 p로 일정한 사건의 성공 횟수(k)를 나타내는 확률 분포입니다.예를 들어, "사과 10개를 상자에 담을 때, 각 사과가 썩었을 확률이 10%라고 할 때, 썩은 사과가 3개 나올 확률" 같은 문제를 푸는 데

2025년 8월 12일
·
0개의 댓글
·

Learning from Noise: Enhancing DNNs for Event-Based Vision through Controlled Noise Injection

이벤트 카메라는 뉴로모픽 카메라라고도 불리며, 높은 시간 해상도, 낮은 지연 시간, 에너지 효율성 덕분에 기존 프레임 기반 카메라의 강력한 대안으로 주목받고 있습니다. 이 카메라는 각 픽셀의 밝기 변화를 독립적으로 감지하는 독특한 방식으로 작동하여 , 로봇 공학, 자율

2025년 8월 12일
·
0개의 댓글
·

LogLLM: Log-based Anomaly Detection Using Large Language Models

최근 대규모 언어 모델(LLM)을 활용한 방법들이 등장했지만, 이들 역시 다음과 같은 문제점을 가집니다:프롬프트 엔지니어링 기반 방법: LLM의 내장된 지식에만 의존하여 특정 데이터셋에서는 성능이 떨어집니다.미세 조정 기반 방법: LLM을 특정 데이터에 맞게 조정하지만

2025년 7월 24일
·
0개의 댓글
·

Large language models can be zero-shot anomaly detectors for time series?

이 논문은 "SIGLLM"이라는 새로운 프레임워크를 통해 대규모 언어 모델(LLM)을 시계열 데이터의 이상 징후를 별도의 학습 없이(zero-shot) detection 하는 연구를 제시합니다. 연구진은 시계열 데이터를 텍스트로 변환하여 LLM이 처리할 수 있도록 하는

2025년 7월 24일
·
0개의 댓글
·
post-thumbnail

Machine Learning(05.신경망)

" 신경망이란, 적응성이 있는 단순 단위로 구성된 광범위하고 서로 연결된 네트워크다. 이 조직은 현실 세계 사물에 대한 생물 신경계통의 상호작용을 모방할 수 있다." 5.1 뉴런 모델 McCulloch and pitts neuron 가장 이상적인 활성화 함수 불연

2025년 7월 22일
·
0개의 댓글
·
post-thumbnail

Machine Learning(04.의사결정 트리)

입력:훈련 세트 D = {(x₁, y₁), (x₂, y₂), ..., (xₘ, yₘ)};속성 집합 A = {a₁, a₂, ..., a_d}과정: 함수 TreeGenerate(D, A)1: node를 생성;2: if D의 샘플이 모두 클래스 C에 속할 경우 then =>

2025년 7월 14일
·
0개의 댓글
·
post-thumbnail

Machine Learning(03.선형 모델)

3.1 선형 모델 (Linear Model) 선형 모델은 입력 데이터의 특성(feature)들에 가중치(weight)를 곱한 값들을 모두 더해 예측 결과를 만들어내는 가장 단순하고 직관적인 모델입니다. 특성과 예측 결과 사이에 직선적인 관계가 있다고 가정하죠. 기본 식

2025년 7월 14일
·
0개의 댓글
·

Dynamic Vision Sensors for Human Activity Recognition

abstract DVS란? 일반 카메라와 달리, 영상 전체를 촬영하는 것이 아니라 움직임이 있는 부분만을 감지하여 데이터를 기록하는 저전력, 고효율 카메라입니다. 연구 방법 연구팀은 DVS가 포착한 움직임 데이터로 '모션 맵(Motion Map)'이라는 특징을 만들고

2025년 7월 10일
·
0개의 댓글
·
post-thumbnail

Machine Learning(02.모델 평가 및 선택)

오차율(Error Rate): 분류 모델이 잘못 예측한 샘플의 비율입니다. 예를 들어, 100개의 샘플 중 10개를 잘못 분류했다면 오차율은 10%입니다.정확도(Accuracy): 분류 모델이 올바르게 예측한 샘플의 비율입니다. 위 예시에서 정확도는 90%가 됩니다.

2025년 7월 5일
·
0개의 댓글
·

C Programming Study_6

사용자로부터 두 개의 정수와 연산자(+, -, \*, /)를 입력받아 연산 결과를 출력하는 함수를 작성하시오.함수 이름은 calculate로 하며, 입력은 두 정수와 문자(연산자)이고, 반환형은 double이다.나누기 연산 시 두 번째 정수가 0이면 에러 메시지를 출력

2025년 5월 29일
·
0개의 댓글
·

C Programming Study_5(Assignment)

5\. 4659 비밀번호 발음하기

2025년 5월 21일
·
0개의 댓글
·

C Programming Study_4

포인터란 다른 변수의 주소를 저장하는 변수입니다. 즉, 포인터는 "값"이 아닌 "주소"를 가리킵니다.a는 정수형 변수&a는 변수 a의 주소를 의미\*p는 포인터가 가리키는 주소에 저장된 값을 의미 (역참조)포인터는 배열과 밀접한 관계가 있습니다.배열 이름 arr 자체가

2025년 5월 1일
·
0개의 댓글
·

C Programming Study_3

배열은 같은 데이터 타입의 여러 값을 하나의 변수에 저장할 수 있는 자료형입니다.배열을 선언할 때, 배열의 크기는 고정되어야 하며, 선언된 크기만큼 메모리를 할당합니다.예시코드:배열을 선언하면서 초기값을 지정할 수 있습니다. 초기값이 없으면 배열에는 쓰레기 값이 저장됩

2025년 4월 2일
·
0개의 댓글
·

C Programming Study_2

1.1 산술 연산자산술 연산자는 기본적인 수학 연산을 수행합니다.\+: 더하기\-: 빼기\*: 곱하기/: 나누기%: 나머지1.2 관계 연산자관계 연산자는 두 값을 비교하여 결과를 true(1) 또는 false(0)로 반환합니다.==: 같음!=: 다름: 큼<: 작음

2025년 3월 25일
·
0개의 댓글
·

C Programming Study_1

1.Intro Visual Studio 다운로드 및 사용 방법 Visual Studio 설치 홈페이지에 들어갑니다 visualstudio.microsoft.com/ko/ [VisualStudio 다운로드]에 마우스를 이동한 후 [Community 2019]를 클릭하

2025년 3월 19일
·
0개의 댓글
·

C Programming Study Curriculum

스터디 소개 및 방향C언어란? 왜 배울까?컴파일러 설치 (Visual Studio)Hello, World! 첫 코드 typing기본 자료형 (int, float, char, double)printf, scanf 사용법상수와 형변환실습: 나이 입력 → 생년 계산산술 /

2025년 3월 11일
·
0개의 댓글
·
post-thumbnail

Contextual Transformer Networks for Visual Recognition_3

📌 ImageNet에서 CoTNet 이미지 인식 실험 정리✅ 데이터셋: ImageNet1,000개 클래스(Class)128만 개 학습 이미지 (Training Images)50,000개 검증 이미지 (Validation Images)✅ 평가 방식: Top-1 & To

2025년 2월 25일
·
0개의 댓글
·
post-thumbnail

Contextual Transformer Networks for Visual Recognition_2

✅ 초기 모델들은 층을 깊게 쌓는 방식으로 성능을 향상AlexNet (8층) → VGG (16층) → GoogleNet (22층) → ResNet (152층)✅ 이후, ConvNet 아키텍처의 성능을 강화하기 위해 다양한 혁신적인 기법들 등장 Transformer의 자

2025년 2월 17일
·
0개의 댓글
·