이미 사용하고 있거나 개발한 알고리즘의 간단한 확장이다. 지도 학습에서 성능을 올릴 수 있는 방법이다. lower variance의 안정적인 성능을 제공하는데 유용한 방법임 " Ensemble: (프) 함께, 동시에, 협력하여 라는 뜻임, (영) 소규모 협주곡 " 머신러닝에서 알고리즘의 종류에 상관없이 서로 다르거나, 같음 매커니즘으로 동작하는 다양한 머신러닝 모델을 묶어 함께 사용하는 방식임 - 여러 다른 모델을 함께 모아서 예측 model의 집합으로 사용하는 것이다. 하나의 학습 모델: expert이라고 함 NN은 비선형적인 문제에 더 나은 성능을 제공할 수 있다. 다양한 모델의 장점을 살려서 예측 모델 향상 가능하다. 앙상블의 장점: 1. 예측 성능을 안정적으로 향상 가능 2. 쉽게 구현이 가능하다..

*주의할 점: 문제 상황에 따라 적합한 activation function을 고르는 것은 문제가 어떻게 복잡한가, 입출력 데이터의 특성은 어떠한가 등에 따라 달라지므로 다양하게 실험해보고 하이퍼 파라미터를 조정하는 것이 좋다. 1. Hidden Layer (1) ReLU(Rectified Linear Unit): - 가장 많이 쓰이고 가장 먼저 쓰임. 렐루 짱짱~>

임베디드 시스템에서 AI의 필요성 Why Device AI? https://www.embeddedcomputing.com/technology/iot/edge-computing/edge-ai-is-overtaking-cloud-computing-for-deep-learning-applications 위의 왼쪽 그림에서와 같이 기존 AI의 활용방안은 클라우드 상에서 추론을 진행한다는 점이다. 물론 컴퓨팅 능력이 좋은 클라우드 단에서 추론을 진행하면 연산이 빠르게 될 수 있다는 장점이 존재한다. 하지만 이는 단말기와 게이트웨이, 클라우드 라는 시스템구조가 형성되기 때문에 통신량 및 처리부하가 증가, 비용부담 커질수있다. 이에 따라 위의 오른쪽 그림과 같이 사물에 내장되는 Embedded AI / Edge de..

1. Image Classfication API 두 개의 함수를 사용함. Train과 Predictions First classifier: Nearest Neighbor (가장 심플한 classfier. 이 알고리즘은 약간 멍청함. ) Training 단계에서는 모든 데이터를 암기한다. Predict 단계에서는 가장 비슷한 data를 찾아낸다. ex) 데이터 셋 예시: CIFAR10 ex) L1 distance; Manhattan distance (두 이미지를 비교하는 심플한 방법) 2.Python Code import numpy as np class NearestNeighbor: def __init__(self): pass def train(self, X, y): """ X is N x D where ..

cs131 1. A breif history of compter vision face detection - AdaBoost algorithm to do real-time face detection by Paul Viola, Michael Jones Spatial pyramid matching Pascal Visual Object Challenge www.image-net.org 2. Overview of computer vision Image classification problem

CMOS sensors have high speed, low sensitivity, and high, fixed-pattern noise. A CCD sensor is a “charged coupled device.” Just like a CMOS sensor, it converts light into electrons. Unlike a CMOS sensor, it is an analog device. It is a silicon chip that contains an array of photosensitive sites. 1. CCD란 무엇인가? ----------------------------------------------------------------------------------------..

1. 1MW팜이 있다고 가정하고 12시간 발전하고 삼각형의 출력을 가진다고 하자. 그러면 매일 6MW를 매일 생산한다. 2. 365일 모두 생산시 1년에 2,190MWh를 생산한다. 3. 예측 정확도를 항상 6%로 이하로 맞춘다고 하면 Kwh 당 4원 이므로 Mwh당 4천원 4. 총 수익은 1년에 876만원 5. 에너지를 팔아서 얻을 수있는 수익은 4억 1천 6백 만원 1. 내일을 알 수 있는 방법은 세 가지가 있다. '시간','유추', '혼합' 2. 물리적 미분방정식을 이용해서 시간을 대입해 미래를 예측 3. A현상과 B현상을 대조.. 미분방정식을 풀어서 미래의 기상 데이터를 예측, 과거에 예측된 기상데이터, 과거에 관측된 태양광 발전량 ==> 미래를 예측한 기상데이터=> 예측함수 => 미래 태양광 예..

Y = f(x) 상관관계를 통해 y를 알자.. X (관찰값) Y (목표값) Training Data 예측값, 관측값 (과거) 관측값 Testing Data 예측값 (미래) ???? Table Property 칼럼 네임을 바꿀 수있음....