Traffic Sign Detection is designed for a final term project on my first semister. The main goal of the project is to utilizing popular libraries and n

조마, 마카오: "인생이란 원래 자기 생각대로 되지 않는 법이란다."

자율 주행을 위한, 교통 표지판 분류. Kaggle의 Traffic Sign Dataset - Classification 데이터셋 소싱57 클래스 학습클래스당 120개의 이미지 2000개의 테스트 데이터 개발 환경: Colab 사용 모델: CNN의 ResNet50 평가

사건의 정보량이 크다는 의미, 그 사건 발생을 경험할 확률 및 빈도가 낮다라는 뜻이다. 아래 예시를 보고, 친구들과 가위바위보를 했을때 정보량을 비교해보자. Q. 사건 A와 B중, 어떤 것의 정보량이 더 높을까? A: 친구 1명과, 가위바위보를 했을때, 내가 이겼다 !

문제 정의 임의의 곤충의 무게 $x$에 대해, 성별 $T$를 예측하는 모델 $T$ = {0: 암컷, 1: 수컷} 입력 데이터 생성하기 그래프로 독립변수 x(곤충의 무게)에 대한 종속변수 T (성별)을 출력해보면, 다음과 같이 0 또는 1의 함수값을 가지는 그래프

Classification > Classification is a process of categorizing a given set of data into classes. It can be performed on both structured or unstructured

잡담너무 힘들다ㅠㅠ 지금까지처럼, 포기하지않고 열심히 하면 언젠가 보상받는 날이 오겠지? 비록 20대만큼의 액티브한 인생은 아니지만, 30대의 또 하나의 거대한 목표를 이루기위해 열심히 달리자. 아자아자 ! 영어로 말하기 (완료)많은 나라 돌아다니기 (완료)한 분야의

하나의 데이터셋에서 Training과 Test를 수행하게 되면, 그 모델은 오버피팅 이슈에 빠질 수 있다. 학습이 과도하게 진행 되었을 때, 학습 데이터에 대해서는 오차가 감소, 외부 데이터에 대해서는 오차가 커지는 이슈.아래는 Gaussian Linear Basis를

Keywords seq2seq Attention Function (Query, Key, Value) Attention Score / Attention Weight / Attention Value Transformer MultiModal Attention Mechani

기저 함수 모델의 해석해를 구하는 증명을 해보자. Analytical Solution (해석해) - 정확한 해를 구함Numerical Solution (수치해) - 근사치를 구함.기저 함수의 MSE 해석해D차원 선형 회귀 모델의 평균 제곱 오차 J의 해석해$J(w) =

나이를 기준으로, 키를 예측하는 선형 예측 회귀 모델을 생성하자. 목표: 오차함수로, MSE를 사용하고 오차를 줄이기 위해 Gradient Descent를 사용하자. 모델 구현의 편의를 위해, Feature Vector(나이)의 차원은 1D로 사용한다. 사용될 데이터는

Keywords D-dimensional Linear Regression Model Linear Combination Basis Function Gaussian Basis Loss Function with Gaussian (Utilizing MSE) Analyti

기존 Perceptron에서는 하나의 Activation Funtion이 사용되어, 출력층에서 Non-linearly Separate 데이터를 분류할수가 없었다. MLP에서는 Layer를 추가 (은닉층)하여 Deep learning을 만들어, 기존 데이터의 배열을 Li

KeywordsObjective FunctionMSEIndependent Variable, Dependent Variable Regression 신경망의 학습능력을 평가하는 지표이다. 출력층의 예측값 (가중치+편향)과 실제값의 차이를 수학적으로 접근하는 기법이다. Th

푸념: 6시간 동안 작성한 임시 글이 초기화되었다. 아마 PC 2개를 바꿔가며 작성하다가, 다른 PC에서 작업하던 중, 마지막에 작성한 글보다 한시점 앞선 내용으로 자동으로 백업된 것 같다. 임시저장 기능은, velog-backup을 가져와서 백업해둬야 할 것 같다.

Keywords Lagging, 단층 LSTM, Deep RNN, Univariate, Multivariate, 차분, 선후관계/ Spread, Seq2Seq LSTM Lagging Issue Univariate Multivariate Univariate v

Back Ground 시계열 데이터: 어떤 데이터의 변화가 시간에 종속되는 데이터 Nono-Stationarity 를 가진다. 시계열을 다루기위해서는, 시간에 따라 변화되는 데이터 요소를 제거해야한다. RNN (순환 신경망) > Recurrent Neural N

시계열 데이터 > Most time series models work under the assumption that the underlying data is stationary, that is the mean, variance, and covariance are no

Keywords Gradient Descent (경사하강법)은 예측값과 타겟값의 차이를 최소 또는 0으로 만들기위해 사용되는 테크닉중 하나이다. (머신러닝의 기본은 최적값, Optimization을 하는 과정) 아래 키워드는 Gradient Descent를 이해하기위

Convolutional Neural Network for Image Recognition 이미지 인식에서 사용되는 여러가지 데이터 셋과 알고리즘을 소개한다. What is Dataset? 예측 및 분석의 용도로 사용되어지는 컴퓨터가 이해가능한 데이터 집합을 의미