.어떠한 inconsistent system of equation이 solution이 없을때 approximate solution을 구할 필요가있다. 이번 챕터에서는 ortho

.일반적인 transformation $\\bold{x} \\mapsto A\\bold{x}$는 벡터를 다양한 방향으로 움직일 수 있지만, 종종 A의 움직임이 매우 simple

2장에서 2 $\\times$ 2 matrix A = $\\begin{bmatrix} a \\ b \\ c \\ d \\end{bmatrix}$가 있을때 det A = ad

Overfeat은 AlexNet이후 ImageNet대회에서 Object Detection task에서 처음으로 CNN을 사용하여 좋은 성능을 보인 논문이다. 사실 논문 발표상으로는 R-CNN이 한달 일찍 나왔고 detection에서 훨씬 좋은 성능을 보였지만 Image

DenseNet 논문이 발표될 당시 resnet을 비롯한 여러 논문에서의 연구 결과에서 layer에 "shorter connection" 을 포함하고 있다면 network를 좀더 깊게쌓을 수 있고 학습을 용이하게 만든다는 점에서 착안하여 각 layer간 feed-for

DefinitionA subspace if $\\mathbb{R^n}$ is any set $\\bold{H}$ in $\\mathbb{R^n}$ that has three properties :The zero vector is in $\\bold{H}$For each

1.1 Systems of Linear Equations linear eqation A linear eqations in the variables $x1,x2,x_3 \cdots$ $$ a1x1+a2x2+\cdots +anxn = b \tag{1} $$ $a1\

이번 강의에선 computer vision의 main task중 하나인 Object detection에 대해서 다룬다.이 전까지 봐왔던 image classification task는 하나의 전체이미지를 CNN을 거쳐 single category label을 출력하는

이번 강의는 convolutional neural network에서의 Visualizing and Understanding에 대해 다루어본다.첫번째 토픽은 neural net내부를 들여다봐 training data에 대해 배운다는 것이 무엇인지 이해하려하는 테크닉이고두

지난 강의에선 다른 종류의 task별 sequence vector를 처리하는 RNN에 대해서 알아보았고 이번 강의에선 나아가 Attention에 대해서 다룬다.Attention 개념을 살펴보기전에 지난 시간에 다뤘던 기본적인 seq2seq model을 자세히 살펴보자.

이번 포스팅은 3개의 논문을 참조하여 작성하였고 논문의 Anomaly Detection 모델, 알고리즘과 같은 방법론적 내용소개를 제외하고 Anomaly Detection의 유형, 여러 domain에서의 적용사례를 소개합니다. .

우리가 여지껏 보았던 deep neaural network에서 다뤄온 문제들은 "feed-forward"라고 불리는 형태였다.이러한 feed-forward network는 single-input(like single-image)을 받아 여러 형태의 hidden laye

이번에 리뷰할 Identity Mappings in Deep Residual Networks는 지난 ResNet논문의 연구팀이 Identity mapping에 대한 고찰을 ResNet의 성능이 왜 좋은지 검증하였고 여러 시도를 통해 개선된 architecture를 선보

이번 논문 리뷰는 Justin Johnson의 EECS 498-007 / 598-005 Lec8. CNN Architectures 중 Resnet관련 부분의 추가적인 이해가 필요하다싶어 작성하였습니다.해당 논문이 발표될 당시 많은 논문들에서 제시된 것처럼 deep mo

이전 강의(part1) 에선 학습 전에 처리하고 설정해줄 data preprocessing, weights initialization, regularization 을 살펴보았다.part2 에선 training 시키면서 어떻게 model의 perfomance를 향상시킬지

우리는 이전까지 보았던 activation function을 설정하고, initializaion을 설정한 후 training 시켜도 model이 optimizing을 잘 하지 못하고 valid set과 train set의 error차이가 벌어지며 overfit되는 현상

직전 포스팅이 7강 이었지만 cs231n 과정과 맞추어 나가고자 8강, 9강 은 뒤로 미루고 10강 내용 부터 포스팅합니다.이번 강의는 neural network training의 전체 process 중 trining process 전 과정인 setup 과정에 대해 다

이번 포스팅은 AIFFEL 대장님이신 김승일 소장님의 벙개강연 "쫄지말자 딥러닝 - 수학편" 을 듣고난 후 느낀점을 주저리주저리 써내려간 글입니다. 소장님의 이전 벙개강연을 듣지 못했던 상태에서 가볍게 들었지만 현재 가고있는 방향에대한 상당한 확신을 얻어 기분이 좋아

이번 포스팅에서는 EECS 7강과 더불어 Batch Normalization 논문, Andrew ag교수의 강의를 참고하여 작성하였다. 해당 링크는 아래 걸어놓았다.Batch Normalization: Accelerating Deep Network Training by

Intro... 이전까지 보았었던 linear classifier와 neural network model은 pixel값들을 flat하게 펼쳐 연산하였기 때문에* image 의 spatial structure까지 다루지 못한다는 문제점이 있었다. 이 전 강의에서 보았