Ahn9807의 사용자 기여

2023년 2월 25일 (토)

• 10:532023년 2월 25일 (토) 10:53 차이 역사 +3,501 새글 지도 학습 새 문서: 분류: 지도 학습 == 개요 == 지도 학습 (Supervised Learning)은 훈련 데이터(Training Data)로부터 하나의 함수를 유추해내기 위한 기계 학습(Machine Learning)의 한 방법이다. 훈련 데이터는 일반적으로 입력 객체에 대한 속성을 벡터 형태로 포함하고 있으며 각각의 벡터에 대해 원하는 결과가 무엇인지 표시되어 있다. 이렇게 유추된 함수 중 연속적인 값을 출력하는 것을 회... 최신
• 10:532023년 2월 25일 (토) 10:53 차이 역사 +1,943 새글 K-NN 새 문서: 분류: 지도 학습 == 개요 == 패턴 인식에서, k-최근접 이웃 알고리즘(또는 줄여서 k-NN)은 분류나 회귀에 사용되는 비모수 방식이다. 두 경우 모두 입력이 특징 공간 내 k개의 가장 가까운 훈련 데이터로 구성되어 있다. 출력은 k-NN이 분류로 사용되었는지 또는 회귀로 사용되었는지에 따라 다르다. * k-NN 분류에서 출력은 소속된 항목이다. 객체는 k개의 최근접 이웃... 최신
• 10:522023년 2월 25일 (토) 10:52 차이 역사 +1,593 새글 Features 새 문서: 분류: 지도 학습 == 개요 == 머신러닝에서 근간이 되는 정보를 Features 라고 한다. Feature는 연속적일 수도, binary일 수도 아니면 discontinuous할 수도 있다. 한 데이터의 Feature의 개수를 dimension이라고 하며, N-D의 벡터로 나타내게 된다. 피쳐(Feature)는 기계 학습과 패턴 인식의 용어이다. 관찰 대상에게서 발견된 개별적이고 측정가능한 경험적(heuristic) 속성을 말한다. 독... 최신
• 10:522023년 2월 25일 (토) 10:52 차이 역사 +1,596 새글 Edge detection 새 문서: 분류: 컴퓨터 비전 == 개요 == 표면에 저장된 여러 정보로 인해 생긴 이미지의 가장자리를 찾아내는 기술을 말한다. 좋은 Edge Detector란 엣지를 잘 검출하면서도 노이즈에 눈감한 것을 말한다. == 방법 == 우선 약간의 가우시안 브러를 통해서 이미지의 노이즈를 줄인다. 가우시안 커널을 미분한 것을 convolution해서 엣지를 구할 수도 있지만, 검출된 엣지가 브러하게... 최신
• 10:522023년 2월 25일 (토) 10:52 차이 역사 −1 잔글 Corner point 편집 요약 없음 최신
• 10:522023년 2월 25일 (토) 10:52 차이 역사 +701 새글 Corner point 새 문서: 분류: 컴퓨터 비전 ==개요 == 디지털 이미지는 점들, 즉 픽셀들의 집합으로 구성되어 있다. 그 점들 중에서 가장 중요한 점들은 코너점이다. 코너점(corner point)이란 두 방향 이상에서 변화가 급격한 점이다. 반면 엣지점(edge point)은 한 방향에서 변화가 점이다. 이도 저도 아닌 점들은 평탄한 점(flat point)이라고 부른다. 코너점이 중요한 이유는 이미지에서 가장 중...
• 10:512023년 2월 25일 (토) 10:51 차이 역사 +174 새글 Scale-invariant feature transform 새 문서: 분류: 컴퓨터 비전 ==개요 == SIFT (Scale-Invariant Feature Transform)은 이미지의 크기와 회전에 불변하는 특징을 추출하는 알고리즘이다. 최신
• 10:502023년 2월 25일 (토) 10:50 차이 역사 +3,685 새글 TBA* 새 문서: 분류: 경로 탐색 프레임없음|가운데 == 개요 == A*는 목적지까지의 경로를 찾아야만, 탐색이 종료된다. 실시간 게임에서 이러한 과정을 기다리기는 너무 오래 결릴 수도 있음으로, 경로 탐색이 끝나기 전에 납득할 만한 경로를 주는 알고리즘이 TBA* (Time-Bounded A*)이다. Real-time이며 Optimal하다. == 알고리즘 == 프레임없음|가운데 A*... 최신
• 10:502023년 2월 25일 (토) 10:50 차이 역사 +541 새글 LRTA* 새 문서: 분류: 경로 탐색 섬네일|가운데 == 개요 == TBA* 알고리즘과 같이 시간이 오래 걸리는 A*알고리즘과 같이 Real time에 사용하기 위하여 사용되는 방식이다. 한 스텝에 이웃 노드들의 비용을 살피고 경로를 찾아나가는 과정을 반복하는 것이다. 기본적으로 Greedy알고리즘을 이용하여 길을 찾아 나가지만, 길을 찾아 나가면서 주변 이웃들의 cost를 업... 최신
• 10:492023년 2월 25일 (토) 10:49 차이 역사 +28 새글 분류:컴퓨터 비전 논문 새 문서: 분류: 컴퓨터 비전 최신
• 10:492023년 2월 25일 (토) 10:49 차이 역사 +3,032 새글 Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising 새 문서: 분류: 컴퓨터 비전 논문 Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising == 개요 == DnCNN 은 CNN을 이용하여 이미지에서 denoising을 구현한다. 논문에서는 노이즈의 예시로 Additive White Gaussian Noise(AWGN)을 제거하고자 하였다. 기존의 방식들은 계산 시간이 너무 오래 걸리고, 파라미터 설정에 있어서 복잡한 인간의 개입이 필요한 문제가 있었다. 이 논문... 최신
• 10:482023년 2월 25일 (토) 10:48 차이 역사 +1,077 Optical flow 편집 요약 없음 최신
• 10:462023년 2월 25일 (토) 10:46 차이 역사 +1,206 새글 RHS* 새 문서: 분류: 경로 탐색 섬네일|가운데 == 개요 == 다이나믹한 상황에서 사용되는 D*알고리즘의 간편한 버전이다. 시작점에서 끝점까지의 Path를 계산한다. 각각의 노드에 Consistency check을 하여서 그러한 Consistency가 깨지는 부분에서 Path를 업데이트하게 된다. :<math>rhs(n)=min_{n\in near \ by \ cells} (c(n,c') + g(n'))</math> 로 정의되는 rhs값과 현재 cell의 g값이 일치... 최신
• 10:452023년 2월 25일 (토) 10:45 차이 역사 +858 새글 Path finding 새 문서: 분류: 경로 탐색 == 개요 == 어떤 점 A에서 B로 캐릭터나 unit을 이동시키는 알고리즘을 말한다. Path Finding은 Shortest path problem과 밀접한 연관이 있다. 그래프 이론과 관련하여 어떤 경로가 최선의 경로인지를 파악하는 알고리즘이 Path Finding이다. == 노드들을 만드는 방법 == # Waypoints: 미리 정해진 waypoint를 이용하는 방식 # Precomputation: 미리 계산한 거리 벡터를 이용하... 최신
• 10:442023년 2월 25일 (토) 10:44 차이 역사 +3,108 새글 Maximum likelihood estimation 새 문서: 분류: 확률과 통계 분류: 지도 학습 == 개요 == 최대 우도 추정(MLE: Maximum Likelihood Estimation) 방법은 주어진 샘플 x에 대해 우도를 가장 크게 해 주는 모수 θ를 찾는 방법이다. == 방법 == 어떤 모수 <math>\theta</math>로 결정되는 확률변수들의 모임 <math>D_\theta = (X_1, X_2, \cdots, X_n)</math>이 있고, <math>D_\theta</math>의 확률 밀도 함수나 확률 질량 함수가 <math>f</math>이... 최신
• 10:442023년 2월 25일 (토) 10:44 차이 역사 +1,627 새글 Maximum a posterior 새 문서: 확률과 통계 ==개요== Maximum likelihood estimation를 가지고도 확률 추론을 할 수 있지만, MLE보다 MAP를 사용하면 더욱 자세한 분류를 할 수 있다. 이는 확률 추론에 집단의 분포또한 포함하기 때문이다. 이러한 MAP를 사용할려면 사후 확률을 알아야 하는데, Bayesian Interface는 이러한 사전 확률에서 사후 확률을 알 수 있도록 하는 방법을 제시한다. 예를... 최신
• 10:422023년 2월 25일 (토) 10:42 차이 역사 +1,760 새글 최대 사후 확률 새 문서: 분류: 확률과 통계 ==개요== 최대 사후 확률(最大事後確率, maximum a posteriori, MAP)은 베이즈 통계학에서 사후 확률(事後確率)의 최빈값을 가리킨다. 최대 사후 확률에 대응하는 모수(母數, Parameter)는 최대우도(最大尤度, maximum likelihood estimation, MLE)와 마찬가지로 모수의 점 추정으로 사용할 수 있지만, 최대우도에서는 어떤 사건이 일어날 확률을 가장 높이는 모수를... 최신
• 10:412023년 2월 25일 (토) 10:41 차이 역사 +4,472 새글 Optical flow 새 문서: 분류: 컴퓨터 비전 == 개요 == 비디오는 연속적인 이미지로 얻어진다. 시간 t에 대한 I(x,y,t)로 이미지의 한 지점을 얻을 수 있다. 만약 정지된 카메라를 가지고 있다면, 물체의 연속된 움직임을 예측할 수 있다. Optical Flow는 이러한 문제에 사용될 수 있다. 이러한 움지직임을 가지고 Denoising을 계산할 수도 있다. 이러한 이미지와 이미지의 연속된 움직임을 Optical Flow...
• 10:412023년 2월 25일 (토) 10:41 차이 역사 +1,326 새글 Ridge 회귀 모형 새 문서: 분류: 지도 학습 프레임없음|가운데 == 개요 == Ridge 회귀모형에서는 가중치들의 제곱합(squared sum of weights)을 최소화하는 것을 추가적인 제약 조건으로 한다. L2-regularizer이라고도 불리며, Tikhonov regularization, Weight decay, SVM with hinge loss라 불리기도 한다. :<math>w = \text{arg}\min_w \left( \sum_{i=0}^N e_i^2 + \lambda \sum_{j=1}^M w_j^2 \right)</math> 여기서 상수항... 최신
• 10:402023년 2월 25일 (토) 10:40 차이 역사 +968 새글 Lasso 회귀 모형 새 문서: 분류: 지도 학습 == 개요 == Lasso(Least Absolute Shrinkage and Selection Operator) 회귀모형은 가중치의 절대값의 합을 최소화하는 것을 추가적인 제약 조건으로 한다. :<math>w = \text{arg}\min_w \left( \sum_{i=1}^N e_i^2 + \lambda \sum_{j=1}^M | w_j | \right)</math> 선형 회귀모델의 가중치 optimization에 사용된다. Linear penality는 가중치들이 zero로 가도록 유도한다. 미분가능하지 않으며 closed form... 최신
• 10:402023년 2월 25일 (토) 10:40 차이 역사 +10,674 새글 선형 회귀 모델 새 문서: 분류:지도 학습 == 개요 == <math> h(x) = a_{0} + a_{1} * x_{1} + a_{2} * x{2} + a_{3} * x{3} .... </math> 처럼 선형의 다항식으로 표현되는 회귀 분석 모델을 구하는 과정이다. 이 식은 벡터 형식으로 표현하면 다음과 같이 표현할 수 있다. : <math> \begin{align*}h_\theta(x) =\begin{bmatrix}\theta_0 \hspace{2em} \theta_1 \hspace{2em} ... \hspace{2em} \theta_n\end{bmatrix}\begin{bmatrix}x_0 \newline x_1 \newline \vdots \n... 최신
• 10:392023년 2월 25일 (토) 10:39 차이 역사 +1,068 새글 Epipolar Geometry 새 문서: 분류: 컴퓨터 비전 == 개요 == 하나의 이미지로 3D구조를 다시 만드는 것은 상당히 힘든 일이다. 따라서 이러한 3D structure를 만들기 위해서는 여러 View에서의 물체 인식이 필요하다. Epipolar Geometry의 목표는 이미지 상의 한점이 3차원 공간에서 어떠한 지점에 위치하는 지를 파악하는 일을 지칭한다. 3D에서 2D로 가는 일은 projection 행렬의 곱으로 표현된다. Principal axis... 최신
• 08:042023년 2월 25일 (토) 08:04 차이 역사 −2 Indentifier 편집 요약 없음 최신
• 08:032023년 2월 25일 (토) 08:03 차이 역사 +485 Indentifier 편집 요약 없음 태그: 시각 편집: 전환됨
• 07:462023년 2월 25일 (토) 07:46 차이 역사 +80 잔글 Indentifier →Semantics 태그: 시각 편집
• 07:462023년 2월 25일 (토) 07:46 차이 역사 +1,766 새글 Indentifier 새 문서: 분류: 프로그래밍 언어 == 개요 == Identifier(식별자)는 프로그래임 언어의 특정 부분을 가르키는 이름(name)이다. 이러한 identifier가 가르키는 대상은 변수, 데이터 타입, 라벨, 서브 루틴,모듈과 같이 다양한 부분이 될 수 있다. 식별자는 값이나 다른 코드 부분을 참조하거나 닫을 수 있는 기호를 정의한다. 각 프로그래밍 언어는 식별자로 어떠한 값이 사용될 수...
• 07:062023년 2월 25일 (토) 07:06 차이 역사 +1,152 새글 Semantics 새 문서: 분류: 프로그래밍 언어 == 개요 == 시맨틱은 프로그래밍 언어에서 문장이 가지는 의미를 말한다. 시맨틱은 컴퓨터가 특정 프로그램 언어가 실행될 경우 어떤 operation을 수행해야 할 지를 나타낸다. 이는 프로그램의 input과 output을 나타내거나 ISA와 같은 구체적인 행동 방식을 특징짓는다. 시맨틱 분석은 프로그래밍 언어의 정의, 프로그래밍 언어의 증명, type sy... 최신
• 07:042023년 2월 25일 (토) 07:04 차이 역사 +36 새글 Abstract syntax Syntax#Abstract syntax 문서로 넘겨주기 최신 태그: 새 넘겨주기
• 07:042023년 2월 25일 (토) 07:04 차이 역사 +40 새글 Concrete syntax Syntax#Concrete syntax 문서로 넘겨주기 최신 태그: 새 넘겨주기
• 06:512023년 2월 25일 (토) 06:51 차이 역사 +1,536 새글 Rule of inference 새 문서: 분류: 프로그래밍 언어 == 개요 == 추론 규칙은 프로그래밍 언어에서 syntax가 어떤 규칙을 따라가야하는지 수학적 기호로 표현한 것을 말한다. 추론 규칙은 마치 분수처럼 나타내지는데, 분자부분에는 추론들의 집합이, 분모 부분에는 추론의 결과가 있다. 추론들의 집합을 모두 만족시키는 결과가 분모임의 나타낸다. (모든 Hypothesis가 참이면 C임의 나타낸다.) : <ma... 최신
• 06:402023년 2월 25일 (토) 06:40 차이 역사 +920 Syntax 편집 요약 없음 최신
• 06:052023년 2월 25일 (토) 06:05 차이 역사 0 Syntax 편집 요약 없음
• 06:052023년 2월 25일 (토) 06:05 차이 역사 +2,609 새글 Syntax 새 문서: 분류: 프로그래밍 언어 == 개요 == Syntax란 프로그래밍 언어에서, 기호의 집합으로 구성된 statements혹은 expression을 의미한다. 이 syntax는 프로그래밍 언어의 문법을 구성한다. syntax는 위치정보와 기호를 통해서 (주로, 컴퓨터에서는 글자로 표현된다.) 표현된다. syntax는 프로그래밍 언어의 형태를 나타내며, Semantics와는 다르게 의미정보는 가지고 있지 않는다. S...
• 05:362023년 2월 25일 (토) 05:36 차이 역사 +13 분류:전산과학 편집 요약 없음 최신
• 05:352023년 2월 25일 (토) 05:35 차이 역사 +24 새글 분류:전산이론 새 문서: 분류: 전산과학 최신
• 05:352023년 2월 25일 (토) 05:35 차이 역사 0 분류:프로그래밍 언어 편집 요약 없음 최신
• 05:342023년 2월 25일 (토) 05:34 차이 역사 +8 분류:프로그래밍 언어 편집 요약 없음
• 05:342023년 2월 25일 (토) 05:34 차이 역사 +16 새글 분류:프로그래밍 언어 새 문서: 전산과학
• 05:332023년 2월 25일 (토) 05:33 차이 역사 +412 Pattern matching 편집 요약 없음 최신
• 05:182023년 2월 25일 (토) 05:18 차이 역사 0 프로그래밍 언어 편집 요약 없음 최신
• 05:152023년 2월 25일 (토) 05:15 차이 역사 −2 프로그래밍 언어 편집 요약 없음
• 05:142023년 2월 25일 (토) 05:14 차이 역사 +453 Scala 편집 요약 없음 최신
• 05:102023년 2월 25일 (토) 05:10 차이 역사 +1,258 새글 Pattern matching 새 문서: 분류: 프로그래밍 언어 == 개요 == 패턴 매칭은 일련의 토큰들이 특정 패턴에 포함되는지를 판단하는 구문을 말한다. 패턴매칭은 Modern programming langauge에서 많이 사용되며, 특히 함수형 언어혹은 함수형 언어의 특징을 포함하는 언어들에서 많이 사용된다. 이러한 예시로는 Rust, C#, Scala와 같은 언어들이 있다. * sequence matching: 주어진 일련의 토큰들에서...
• 04:562023년 2월 25일 (토) 04:56 차이 역사 +49 Backus-Naur form 편집 요약 없음 최신
• 04:552023년 2월 25일 (토) 04:55 차이 역사 +772 프로그래밍 언어 편집 요약 없음
• 04:542023년 2월 25일 (토) 04:54 차이 역사 +1,704 새글 Backus-Naur form 새 문서: '''배커스-나우르 표기법'''(Backus–Naur form), 약칭 '''BNF'''는 문맥 자유 문법을 나타내기 위해 만들어진 표기법이다. 존 배커스와 페테르 나우르의 이름을 따서 부른다. BNF는 기본적으로 다음의 문법을 사용한다. <syntaxhighlight lang="bnf"> <기호> ::= <표현식> </syntaxhighlight> * 기호는 말단 기호가 될 수 없다. * 표현식은 다른 기호의 조합, 또는 여러 가지의 표현... 태그: 시각 편집: 전환됨
• 04:162023년 2월 25일 (토) 04:16 차이 역사 +177 새글 프로그래밍 언어 새 문서: 분류: 프로그래밍 언어 == 개요 == 모든 Langauge는 syntax그리고 syntax와 연관된 behavior(Semantics), 라이브러리 그리고 idiom으로 구성된다.
• 04:142023년 2월 25일 (토) 04:14 차이 역사 +1,389 새글 Scala 새 문서: 분류: 프로그래밍 언어 == 개요 == Scala는 객체지향 언어의 특징과 함수형 언어의 특성을 동시에 가지는 Java기반의 언어이다. Scala는 Scalability를 위한 확장성에 초점을 맞추어 개발되었으며, Java보다 더욱 프로그래밍 언어측면에서 진보한 언어적 특징들을 가지고 있다. == 문법 == === Functions === 스칼라는 컴파일 타임에 모든 타입을 체크한다. <code>def add(a: Int,...

2023년 2월 24일 (금)

• 09:272023년 2월 24일 (금) 09:27 차이 역사 +432 새글 Stereo matching 새 문서: 분류:컴퓨터 비전 == 개요 == 스테레오 정합은 기준 영상(reference image)에서의 한 점에 대한 동일한 점(= 똑같은 점)을 목표 영상(target image)에서 찾는 과정이다. 이러한 정합을 바탕으로 시차를 계산하여 깊이 정보를 가져오는 것을 요구한다. == 참고 == # https://adioshun.gitbooks.io/gitbook_from_github/content/Image_Process_ch15/stereo-matching.html 최신
• 09:272023년 2월 24일 (금) 09:27 차이 역사 +5,744 새글 Naive Bayes classifiers 새 문서: 분류: 지도 학습 == 개요 == == Naive Bayes Classifiers == 나이브 베이즈는 조건부 확률 모델이다. 분류될 인스턴스들은 N 개의 특성 (독립변수)을 나타내는 벡터 <math>\mathbf{x} = (x_1, \dots, x_n)</math> 로 표현되며, 나이브 베이즈 분류기는 이 벡터를 이용하여 k개의 가능한 확률적 결과들 (클래스)을 다음과 같이 할당한다. :<math>p(C_k \vert x_1, \dots, x_n)\,</math> 위의 공식은 특성... 최신