EunGyeongKim

CNN 이란? 데이터로부터 직접 학습하는 딥러닝의 신경망 아키텍쳐 영상, 객체, 클래스, 범주인식을 위한 패턴을 찾을 때 유용함 오디오, 시계열 및 신호 데이터를 분류하는 데도 매우 효과적임. 수십, 수백개의 계층을 가질 수 있음. 각 계층은 영상 및 데이터의 서로 다른 특징을 검출함. 각 훈련영성에 서로 다른 해상도의 필터가 적용되며, convolution된 각 영상은 다음 계층의 입력으로 사용됨. 필터는 밝기, 경계와 같이 매우 간단한 특징으로 시작하여 객체를 고유하게 정의하는 특징으로 복잡도를 늘려나감. CNN의 작동방식 입력계층(input layer), 은닉계층(hidden layer), 출력계층(output layer)으로 구분가능 이러한 계층은 해당 데이터의 고유한 특징을 학습한다는 의도로 데..

💡 X80-h 모바일 로봇의 특징을 연구한 결과, 이 유형의 로봇은 바퀴 정렬 문제가 발생할 수 있음이 확인됨. 실내 GPS는 x, y 및 각도 데이터를 제공하며 이를 데이터베이스에 기록하여 정렬 오류를 보상하는 알고리즘을 작성하는 것이 목표 ⇒ 현재 스타렉스 테스트 차량으로 일직선을 달렸을 때, X,Y,Z축의 이동거리가 일정하지 않고 퍼지는 문제가 있음. 이것을 x80-h라는 로봇에서 발생하는 정렬오류과 같다고 생각해 볼때, 추후 계산식 삽입으로 분포가 퍼지는 문제를 해결하고, 정확한 x,y,z 자율 컴퓨팅의 기본 : CHOP self-configure 변화하는 환경에 즉각적으로 적응할 수 있는 능력 EX) 모래 표면에서 바위표면으로의 표면변화 self-healing 혼란을 발견하고, 진단하며, 반응할..

learning rate, momentum coefficient learning rate와 momentum coefficient는 역전파 알고리즘을 신경망으로 훈련시키는 굉장히 중요한 변수이다. earning rate는 계산된 경사하강법 기준으로 새로운 factors의 weight의 속도를 조절하는 양의 상수이다. momentum coefficient는 가중치가 조정되는 속도를 가속화 되는 가중치에 추가되는 추가가중치이다. momentum coefficient는 최소화 루틴을 minimum에서 벗어나는데 도움을 준다. local minima local minima문제는 에러를 최소화 시키는 최적의 파라미터를 찾는 문제에 있어서 파라미터 공간에 수많은 지역적인 홀(local minimum)에 빠지는 문제...

Gradient(미분값, 즉 변화량) 기반 방법들을 사용할 경우 작은 파라미터의 값의 변화가 신경망 출력에 얼마나 영향을 미칠것인가를 기반으로 파라미터 값을 학습시킴.⇒ 파라미터의 값이 변화가 신경망 결과에 작은 영향만 미칠경우 : 효과적 파라미터 학습 불가능 Error rate가 낮아지지 않고 수렴해버리는 문제가 발생함. ⇒ 그러므로 Gradient Vanishing / Exploding 은 변화량이 매우 작아지거나(vanishing), 매우 커질때(Exploding)의 상황에서 신경망 학습을 제대로 시키지 못하는것 Gradient Vanishing / Exploding 해결방법 change activation function Simoid, tanh의 문제점을 해결하기 위해 ReLU(Rectifited..

IELTS 시험 시간 및 문제 유형 공부 기간대략적으로 3~6개월 ( 4 개월 예정) 영어 실력 체크캠브릿지 리닝, 리스닝 모의고사 공부 가중치 🔼거의 대부분 라이팅, 스피킹에 투자 필요 공부 방법리딩 & 리스닝Cambridge ielts 15, 16 pdf지문 분석듣기 파일은 유투브에서 찾기cambridge ielts 15 listening test 1 이런식으로 검색리딩시간재고 문제 풀기오답정리복습 라이팅시험구성학습 전략고급 문장구사력 훈련유형별 논리의 이해구조와 흐름을 익혀야 빠르게 쓸 수 있음.주제별 아이디어 정리어떤 주제가 나와도 쓸 말이 있어야 한다.아이디어 적용 훈련요령을 가지고 전략적으로 접근해야 함.라이팅 팁Task 1포괄적인 특징 찾기세부적인 북석하기Task 2템플릿 만들기페러브레이징..

💡 3축 가속도계를 기반으로 타이어 코너링 특성(공압트레일) 추정하기 projection scores (PLS-VIP) : 투영 점수 부분 최소 제곱과 가변 중요도→가속도 신호의 특징 추출에 사용 GPR(Gaussian process regression) : 가우스 프로세스 회귀 다양한 입력조건에서 신회 구간을 사용하여 코너링 속성을 예측하도록 학습됨 GPR 예측의 차이와 최소 평균제곱오차를 기반으로 공압트레일 추정 Physical model for tire cornering properties brush model 타이어 모델링에서 넓게 사용됨 브러시 모델 가정 타이어와 도로 사이의 접촉 패치는 직사각형 접촉 압력 분포는 측면 방향으로 균일하고 원주 방향으로 임의적 XOY는 Tire coordinate..

저속선회 (Low-Speed Turning) 저속선회 시 타이어는 횡력을 발생시킬 필요가 없음⇒ 그러므로 타이어는 미끄럼 각 없이 구르며 차량은 하단 그림과 같이 선회함 후륜(뒷바퀴)이 미끄럼각이 없다면 선회 중심점을 후륜 구동축의 연장선상에 존재함 마찬가지로 두 전륜의 수직선이 같은 점(선회 중심점, 위의 노란선)을 통과해야 함.⇒ 만약 같은점을 지나지 않는다면, 전륜타이어는 선회 시 약간의 옆 미끄럼이 발생함 선회 시 서로 회전간섭이 일어남 전륜의 이상적인 선회각은 상기 그림의 기하학적인 구조에 대해 정해지고, 선회를 위한 조향각으로 정의됨 조향각 식 δ0≅L(R+t/2)\delta_0 \cong \frac{L}{(R+t/2)}δ0​≅(R+t/2)L​ δ1≅L(R−t/2)\delta_1 \cong \..

💡 화창한 날씨와 흐린 날씨가 wall street의 주식 수익률에 미치는 영향 연구 mood misattribution (기분 오귀인) 기억을 기억하는 사람이 기억의 기원을 잘못 인식하는 현상 흔들다리 효과 흔들리는 다리 위에서 만난 이성에 대한 호감도가 안정된 다리위에서 만났을 때 보다 더 상승하는 것 이 영역은 날씨 및 사회적 환경과 같은 환경 요인이 주가에 미치는 영향을 고려 투자자의 감정이 주식가에 영향을 미침 Mehra, R. and R. Sah, 2002, Mood fluctuations, projection bias, and volatility of equity prices, Journal of Economic Dynamics and Control 26: 869-887. 투자자의 '주관적 ..

UCI 머신러닝 저장소링크  UEA 및 UCR 시계열 분류 저장소https://perma.cc/56Q5-YPNT  NCEInational centers for environmental information미국정부가 제공하는 기상데이터 미국 노동 통계국Bureau of labor statistics국가의 실업률에 대한 월간 지수 발행 미국 질병통제 예방센터CDCcenters for disease control and precention독감 유행 시기에 매주 독감 사례건수 발표 세인트 루이스 연방준비 은행federal reserve bank of St.Louis매우 유용한 경제 관련 시계열 데이터 제 기타 저장소CompEngine시계열 데이터를 스스로 조직화하는 데이터 베이스약 1억 4천만개의 데이터로 구성..

💡 경험적 방법을 이용하여 wheel alignment가 틀어졌을때, 속도별, 도로 재질별 연료 효율 비교해보기 방법 wheel alignment 교정 fuel performance 비교 (속도) fuel performance 비교 (도로 타입) 결과