모든 공개 기록

noriwiki에서 사용할 수 있는 모든 기록이 표시됩니다. 기록 종류나 사용자 이름(대소문자 구별) 또는 영향을 받는 문서(대소문자 구별)를 선택하여 범위를 좁혀서 살펴볼 수 있습니다.

• 2023년 2월 25일 (토) 10:59 Ahn9807 토론 기여님이 분류:컴퓨터 그래픽스 문서를 만들었습니다 (새 문서: 분류: 컴퓨티 비전)
• 2023년 2월 25일 (토) 10:59 Ahn9807 토론 기여님이 분류:레스터 그래픽스 문서를 만들었습니다 (새 문서: 분류: 컴퓨터 그래픽스)
• 2023년 2월 25일 (토) 10:58 Ahn9807 토론 기여님이 Sobel edge detection 문서를 만들었습니다 (새 문서: 분류:레스터 그래픽스 == 개요 == 가장 자리 검출 알고리즘으로써, 1968년 스탠포드 인공지능 연구소에서 어원 소벨이 고안해낸 알고리즘이다. 3*3 행렬을 이용하여 이미지와 Convolution연산을 하여 중심을 기준으로 각방향의 앞뒤의 값을 비교하여 변화량을 검출해 낸다. == 수학적 설명 == :<math> \mathbf{G}_x = \begin{bmatrix} +1 & 0 & -1 \\ +2 & 0 & -2 \\ +1 & 0 & -1 \end{bmatrix} *...)
• 2023년 2월 25일 (토) 10:58 Ahn9807 토론 기여님이 카메라 문서를 만들었습니다 (새 문서: 분류:컴퓨터 비전 == 개요 == 카메라의 전반적인 구조에 대해서 설명하는 문서이다. === 구조 === 섬네일|가운데 1. Pine-hole Camera 2. Chromatic aberration: 빛의 파장이 다르면 굴절률이 다르기 때문에, 사진을 찍으면 굴절률의 차이로 인하여 색깔이 이상하게 보이는 현상이 발생한다. 3. Vignetting: 비네팅(vignetting)의 의미는 사진의 결과물에서...)
• 2023년 2월 25일 (토) 10:57 Ahn9807 토론 기여님이 Wiener deconvolution 문서를 만들었습니다 (새 문서: 분류: 컴퓨터 비전 == 개요 == 시스템이 다음과 같이 주어진경우: :<math>\ y(t) = (h*x)(t) + n(t)</math> where <math>*</math> denotes convolution and: *<math>\ x(t)</math> 시간 <math>\ t </math> 에 관한 original signal. *<math>\ h(t)</math> 는 x(t)와 convolution연산을 통해 계산되는 함수 *<math>\ n(t)</math> 추가적인 노이즈, <math>\ x(t)</math> 와는 독립 변수임 *<math>\ y(t)</math> y(t)는 현재 관측된 결과...)
• 2023년 2월 25일 (토) 10:56 Ahn9807 토론 기여님이 Computational photography 문서를 만들었습니다 (새 문서: 분류:컴퓨터 비전 == 개요 == 고전적인 핀홀 방식의 카메라의 구조를 극복하여 모션 블러, 어두운 부분에서의 노이즈, DOF등 카메라의 고질적인 문제를 컴퓨터를 이용하여 해결하는 방식을 말한다. 카메라의 물리적인 구조를 바꾸거나 최종 이미지에 연산 처리를 하여서 위와 같은 상황을 극복한다. == Degradation Model== 섬네일|가운데|500픽셀...)
• 2023년 2월 25일 (토) 10:54 Ahn9807 토론 기여님이 High dynamic range 문서를 만들었습니다 (새 문서: 분류: 컴퓨터 비전 프레임없음|가운데 == 개요 == 한 화면에서 밝은 부분과 어두운 부분의 차이를 극대화시킨 영상을 구현하는 포괄적인 기술이다. 기존의 조명모델은 디스플레이 장치에서 표현할 수 있는 최소 밝기가 0.0, 최대 밝기가 1.0이라 할 때, 각 채널의 명암 레벨 표현에 0.0~1.0 사이의 8비트 고정 소수점 값을 사용했다. 하이 다이내믹 레인지...)
• 2023년 2월 25일 (토) 10:54 Ahn9807 토론 기여님이 Super resolution 문서를 만들었습니다 (새 문서: 분류: 컴퓨터 비전 == 개요 == Image Super Resolution(이하 SR)은 저해상도(Low Resolution) 이미지를 고해상도 이미지(High Resolution) 이미지로 변환시키는 문제를 의미한다. 이미지 SR은 크게 하나의 이미지를 이용하는지, 여러 이미지를 이용하는지에 따라 Single Image Super Resolution(이하, SISR), Multi Image Super Resolution(이하, MISR)로 나뉘게 된다. Super Resolution은 저해상도 이미지를...)
• 2023년 2월 25일 (토) 10:53 Ahn9807 토론 기여님이 지도 학습 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:53 Ahn9807 토론 기여님이 K-NN 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:52 Ahn9807 토론 기여님이 Features 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:52 Ahn9807 토론 기여님이 Edge detection 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:52 Ahn9807 토론 기여님이 Corner point 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:51 Ahn9807 토론 기여님이 Scale-invariant feature transform 문서를 만들었습니다 (새 문서: 분류: 컴퓨터 비전 ==개요 == SIFT (Scale-Invariant Feature Transform)은 이미지의 크기와 회전에 불변하는 특징을 추출하는 알고리즘이다.)
• 2023년 2월 25일 (토) 10:50 Ahn9807 토론 기여님이 TBA* 문서를 만들었습니다 (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*...)
• 2023년 2월 25일 (토) 10:50 Ahn9807 토론 기여님이 LRTA* 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:49 Ahn9807 토론 기여님이 분류:컴퓨터 비전 논문 문서를 만들었습니다 (새 문서: 분류: 컴퓨터 비전)
• 2023년 2월 25일 (토) 10:49 Ahn9807 토론 기여님이 Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:46 Ahn9807 토론 기여님이 RHS* 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:45 Ahn9807 토론 기여님이 Path finding 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:44 Ahn9807 토론 기여님이 Maximum likelihood estimation 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:44 Ahn9807 토론 기여님이 Maximum a posterior 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:42 Ahn9807 토론 기여님이 최대 사후 확률 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:41 Ahn9807 토론 기여님이 Optical flow 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:41 Ahn9807 토론 기여님이 Ridge 회귀 모형 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:40 Ahn9807 토론 기여님이 Lasso 회귀 모형 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:40 Ahn9807 토론 기여님이 선형 회귀 모델 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 10:39 Ahn9807 토론 기여님이 Epipolar Geometry 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 07:46 Ahn9807 토론 기여님이 Indentifier 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 07:06 Ahn9807 토론 기여님이 Semantics 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 07:04 Ahn9807 토론 기여님이 Abstract syntax 문서를 만들었습니다 (Syntax#Abstract syntax 문서로 넘겨주기) 태그: 새 넘겨주기
• 2023년 2월 25일 (토) 07:04 Ahn9807 토론 기여님이 Concrete syntax 문서를 만들었습니다 (Syntax#Concrete syntax 문서로 넘겨주기) 태그: 새 넘겨주기
• 2023년 2월 25일 (토) 06:51 Ahn9807 토론 기여님이 Rule of inference 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 06:05 Ahn9807 토론 기여님이 Syntax 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 05:35 Ahn9807 토론 기여님이 분류:전산이론 문서를 만들었습니다 (새 문서: 분류: 전산과학)
• 2023년 2월 25일 (토) 05:34 Ahn9807 토론 기여님이 분류:프로그래밍 언어 문서를 만들었습니다 (새 문서: 전산과학)
• 2023년 2월 25일 (토) 05:10 Ahn9807 토론 기여님이 Pattern matching 문서를 만들었습니다 (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...)
• 2023년 2월 25일 (토) 04:54 Ahn9807 토론 기여님이 Backus-Naur form 문서를 만들었습니다 (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
• 2023년 2월 25일 (토) 04:16 Ahn9807 토론 기여님이 프로그래밍 언어 문서를 만들었습니다 (새 문서: 분류: 프로그래밍 언어 == 개요 == 모든 Langauge는 syntax그리고 syntax와 연관된 behavior(Semantics), 라이브러리 그리고 idiom으로 구성된다.)
• 2023년 2월 25일 (토) 04:14 Ahn9807 토론 기여님이 Scala 문서를 만들었습니다 (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) 09:27 Ahn9807 토론 기여님이 Stereo matching 문서를 만들었습니다 (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)
• 2023년 2월 24일 (금) 09:27 Ahn9807 토론 기여님이 Naive Bayes classifiers 문서를 만들었습니다 (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...)
• 2023년 2월 24일 (금) 09:26 Ahn9807 토론 기여님이 Logistic regression 문서를 만들었습니다 (새 문서: 분류: 지도 학습 == 개요 == Discriminative model을 사용한 분류기중 가장 널리 사용되는 방식이다. Logistic Regression은 각각의 샘플들이 특정한 class에 분류될 확율을 Regression시킨다. Logistic Regression 은 Logistic fuction을 이용하여 class들을 분류한다. Logistic Regression 은 선형분류의 한예라고도 할 수있다. == Logistic Function == 섬네일|가운데 여기서 L...)
• 2023년 2월 24일 (금) 09:25 Ahn9807 토론 기여님이 분류:컴퓨터 비전 문서를 만들었습니다 (새 문서: 분류: 전산과학)
• 2023년 2월 24일 (금) 09:25 Ahn9807 토론 기여님이 Multi-view geometry 문서를 만들었습니다 (새 문서: 분류: 컴퓨터 비전 == 개요 == 하나의 object를 서로 다른 각도에서 촬영한 여러장의 사진을 바탕으로 geometry를 형성하는 문제를 말한다. == 방식 == 및의 세가지 문제를 모두 고려하여 Multi view geometry문제를 해결할 수 있다. # Correspondence (Stereo matching): 한장의 이미지가 주어질경우, 다른 이미지에서 일치하는 point는 어디인가 찾는 문제 # Scene geometry: 2D이미지 여러장...)
• 2023년 2월 24일 (금) 09:24 Ahn9807 토론 기여님이 Reactive/Tactic/Strategy 문서를 만들었습니다 (새 문서: 분류: 의사 결정 == 개요 == Reactive control은 당면한 문제에 대한 해결, Tactic은 short-term문제에 대한 해결, Strategy는 long-term문제에 대한 해결을 말한다.)
• 2023년 2월 24일 (금) 09:23 Ahn9807 토론 기여님이 Dup 문서를 만들었습니다 (새 문서: 분류: POSIX 시스템 콜 == 개요 == standard I/O 스트림을 fork 후에 그러나 exec전에 바꾸는 것을 말한다. : ls > x.ls 위의 bash프로그램은 ls의 결과값을 standard output이 아니라 x.ls 라는 파일에 dump시키게 된다. 이때 사용하는 > 기호를 dup이라고 한다. == dup(int fd) == 새로운 파일 서술자를 반환하지만, 숫자만 다를뿐 원래의 서술자와 복제된 서술자는 모두 완벽히 같은 파일...)
• 2023년 2월 24일 (금) 09:22 Ahn9807 토론 기여님이 분류:의사 결정 문서를 만들었습니다 (새 문서: 분류: 게임 알고리즘)
• 2023년 2월 24일 (금) 09:22 Ahn9807 토론 기여님이 Rule based system 문서를 만들었습니다 (새 문서: 분류: 의사 결정 섬네일|가운데 == 개요 == 규칙 기반 시스템은 Production system이라고 불리기도 한다. 메인 스트림은 아니지만 꾸준히 사용되고 있다. 규칙 기반 시스템은 3가지의 정보를 기반으로 한다. Database, If-then rules, Inferece engine이 3가지를 이용하여 주어진 상황에서 도출 할 수 있는 가장 적합한 반응을 만들어 낸다. 예를 들면, 상대가...)
• 2023년 2월 24일 (금) 09:21 Ahn9807 토론 기여님이 운영체제 문서를 만들었습니다 (Operating system 문서로 넘겨주기) 태그: 새 넘겨주기