PowerPoint 프레젠테이션

Size: px
Start display at page:

Download "PowerPoint 프레젠테이션"

Transcription

1 3 장. 다층퍼셉트론

2 PREVIEW 신경망 기계학습역사에서가장오래된기계학습모델이며, 현재가장다양한형태를가짐 1950년대퍼셉트론 1980년대다층퍼셉트론 3장은 4장딥러닝의기초가됨

3

4 3.1 신경망기초 인공신경망과생물신경망 신경망의간략한역사 신경망의종류

5 3.1.1 인공신경망과생물신경망 사람의뉴런 두뇌의가장작은정보처리단위 세포체는 cell body 간단한연산, 수상돌기는 dendrite 신호수신, 축삭은 axon 처리결과를전송 사람은 개정도의뉴런을가지며, 뉴런은 1000 개가량다른뉴런과연결되어있어 개정도의연결

6 3.1.2 신경망의간략한역사 신경망의역사 1943 년매컬럭과피츠의최초의신경망 1949 년헤브는최초로학습알고리즘제안 1958 년로젠블렛은퍼셉트론제안 3.2 절에서자세히다룸 위드로와호프의 Adaline 과 Madaline 1960 년대의과대평가 1969 년민스키와페퍼트의저서 Perceptrons 는페셉트론의한계를수학적으로입증 페셉트론은선형분류기에불과하여 XOR 문제조차해결못함 신경망연구퇴조 1986 년루멜하트의저서 Parallel Distributed Processing 은다층페셉트론제안 3.3~3.4 절에서자세히다룸 신경망연구부활 1990 년대 SVM(11 장의주제 ) 에밀리는형국 2000 년대딥러닝이실현되어신경망이기계학습의주류기술로자리매김 보다상세한신경망역사는 [Kurenkov2015] 참조

7 3.1.3 신경망의종류 신경망에는아주다양한모델이존재함 전방신경망과순환신경망 얕은신경망과깊은신경망 결정론신경망과스토캐스틱신경망

8 3.2 퍼셉트론 구조 동작 학습 퍼셉트론은노드, 가중치, 층과같은새로운개념을도입하고학습알고리즘을창안함 퍼셉트론은원시적신경망이지만, 딥러닝을포함한현대신경망은퍼셉트론을병렬과순차구조로결합하여만듬 현대신경망의중요한구성요소

9 3.2.1 구조 퍼셉트론의구조 입력층과출력층을가짐 입력층은연산을하지않으므로퍼셉트론은단일층구조라고간주 입력층의 i번째노드는특징벡터 xx = xx 1, xx 2,, xx T dd 의요소 xx ii 를담당 항상 1이입력되는바이어스노드 출력층은한개의노드 i번째입력층노드와출력층을연결하는에지는가중치 ww ii 를가짐

10 3.2.2 동작 퍼셉트론의동작 해당하는특징값과가중치를곱한결과를모두더하여 s 를구하고, 활성함수 ττ 를적용함 활성함수 ττ 로계단함수를사용하므로최종출력 y 는 +1 또는 -1

11 3.2.2 동작

12 3.2.2 동작 행렬표기 바이어스항을벡터에추가하면, 퍼셉트론의동작을식 (3.4) 로표현할수있음

13 3.2.2 동작 [ 그림 3-4(b)] 를기하학적으로설명하면, 결정직선 xx 1 + xx = 0 ww 1 과 ww 2 는직선의방향, ww 0 은절편을결정 결정직선은전체공간을 +1과 -1의두부분공간으로분할하는분류기역할 d 차원공간에서는 2 차원은결정직선, 3 차원은결정평명, 4 차원이상은결정초평면

14 3.2.3 학습 학습문제 지금까지는학습을마친퍼셉트론을가지고동작을설명한셈 [ 그림 3-6] 은학습문제 : ww 1 과 ww 2, ww 0 이어떤값을가져야 100% 옳게분류할까? [ 그림 3-6] 은 2 차원공간에 4 개샘플이있는훈련집합이지만, 현실세계는 d 차원공간에수백 ~ 수만개의샘플이존재 ( 예, MNIST 는 784 차원에 6 만개샘플 )

15 3.2.3 학습 목적함수설계 퍼셉트론의매개변수를 ww = ww 0, ww 1, ww 2,, ww dd 목적함수를 JJ(Θ) 또는 JJ(ww) 로표기함 목적함수의조건 T 라표기하면, 매개변수집합은 Θ = ww 식 (3.7) 은세가지조건을만족하므로, 퍼셉트론의목적함수로적합 Y 는 w 가틀리는샘플의집합

16 3.2.3 학습 그레이디언트계산 식 (2.58) 의가중치갱신규칙 ΘΘ = ΘΘ ρρgg 를적용하려면그레이디언트 gg 가필요 식 (3.7) 을편미분하면, 편미분결과인식 (3.8) 을식 (2.58) 에대입하면,

17 3.2.3 학습 퍼셉트론학습알고리즘 식 (3.9) 를이용하여학습알고리즘을쓰면, 훈련집합의샘플을모두맞출 ( 즉 YY = ) 때까지세대 epoch ( 라인 3~9) 를반복함

18 3.2.3 학습 퍼셉트론학습알고리즘의스토캐스틱버전 샘플순서를섞음. 틀린샘플이발생하면즉시갱신

19 3.2.3 학습 행렬표기 행렬을사용하여간결하게표기 : 행렬표기로 [ 알고리즘 3-1] 을수정하면, 행렬표기로 [ 알고리즘 3-2] 를수정하면, 선형분리불가능한경우에는무한반복 until(yy = ) 또는 until(quit) 를 until( 더이상개선이없다면 ) 으로수정해야함

20 3.3 다층퍼셉트론 특징공간변환 활성함수 구조 동작

21 3.3 다층퍼셉트론 퍼셉트론은선형분류기라는한계 [ 그림 3-7(b)] 의선형분리불가능한상황에서는일정한양의오류 예 ) XOR 문제에서는 75% 가정확률한계 민스키의 Perceptrons 퍼셉트론의한계를지적하고다층구조를이용한극복방안제시. 당시기술로실현불가능 1974 년웨어보스는박사논문에서오류역전파알고리즘제안 1986 년루멜하트의저서 Parallel Distributed Processing 다층퍼셉트론이론정립하여신경망부활

22 3.3 다층퍼셉트론 다층퍼셉트론의핵심아이디어

23 3.3.1 특징공간변환 퍼셉트론 2 개를사용한 XOR 문제의해결 퍼셉트론 1 과퍼셉트론 2 가모두 +1 이면부류이고그렇지않으면부류임

24 3.3.1 특징공간변환 퍼셉트론 2 개를병렬로결합하면, 원래공간 xx = xx 1, xx 2 T 를새로운특징공간 zz = zz 1, zz 2 T 로변환 새로운특징공간 zz 에서는선형분리가능함 사람이수작업으로특징학습을수행한셈

25 3.3.1 특징공간변환 퍼셉트론 1 개를순차결합하면, 새로운특징공간 zz 에서선형분리를수행하는퍼셉트론 3 을순차결합하면, [ 그림 3-10(b)] 의다층퍼셉트론이됨 이다층퍼셉트론은훈련집합에있는 4 개샘플 을제대로분류하나?

26 3.3.1 특징공간변환 다층퍼셉트론의용량 [ 그림 3-11] 처럼 3 개퍼셉트론을결합하면, 2 차원공간을 7 개영역으로나누고각영역을 3 차원점으로변환 활성함수 ττ 로계단함수를사용하므로영역을점으로변환 일반화하여, p 개퍼셉트론을결합하면 p 차원공간으로변환 pp 1 + ii=1 ii 개의영역으로분할

27 3.3.2 활성함수 딱딱한공간분할과부드러운공간분할 계단함수는딱딱한의사결정 ( 영역을점으로변환 ). 나머지활성함수는부드러운의사결정 ( 영역을영역으로변환 )

28 3.3.2 활성함수 신경망이사용하는다양한활성함수 로지스틱시그모이드와하이퍼볼릭탄젠트는 a가커질수록계단함수에가까워짐 모두 1차도함수계산이빠름 ( 특히 ReLU는비교연산한번 ) 퍼셉트론은계단함수, 다층퍼셉트론은로지스틱시그모이드와하이퍼볼릭탄젠트, 딥러닝은 ReLU 를사용

29 3.3.3 구조 [ 그림 3-14(a)] 는입력층 - 은닉층 - 출력층의 2 층구조 d+1개의입력노드 (d는특징의개수 ). c개의출력노드 (c는부류개수 ) p개의출력노드 : p는하이퍼매개변수 ( 사용자가정해주는매개변수 ) p가너무크면과잉적합, 너무작으면과소적합 5.5절의하이퍼매개변수최적화 [ 그림 3-14(b)] 는입력층 - 은닉층 - 은닉층 - 출력층의 3 층구조

30 3.3.3 구조 다층퍼셉트론의매개변수 ( 가중치 ) 입력층-은닉층을연결하는 UU 1 (uu 1 jjjj 은입력층의 i번째노드를은닉층의 j번째노드와연결 ) 은닉층-출력층을연결하는 UU 22 (uu 2 kkjj 는은닉층의 j번째노드를출력층의 k번째노드와연결 ) 일반화하면 uu ll jjii 은 l-1번째은닉층의 i번째노드를 l번째은닉층의 j번째노드와연결하는가중치 입력층을 0 번째은닉층, 출력층을마지막은닉층으로간주

31 3.3.4 동작 특징벡터 x 를출력벡터 o 로매핑하는함수로간주할수있음 깊은신경망은 4 장의주제 ( 딥러닝 )

32 3.3.4 동작 노드가수행하는연산을구체적으로쓰면, uu jj 1 은 j 번째은닉노드에연결된가중치벡터 ( 식 (3.11) 의 UU 1 의 j 번째행 ) uu kk 2 는 k 번째출력노드에연결된가중치벡터 ( 식 (3.11) 의 UU 22 의 k 번째행 ) 다층퍼셉트론의동작을행렬로표기하면,

33 3.3.4 동작 은닉층은특징추출기 은닉층은특징벡터를분류에더유리한새로운특징공간으로변환 현대기계학습에서는특징학습이라 feature learning 부름 ( 딥러닝은더많은단계를거쳐특징학습을함 )

34 3.4 오류역전파알고리즘 목적함수의정의 오류역전파알고리즘설계 오류역전파를이용한학습알고리즘

35 3.4.1 목적함수의정의 훈련집합 특징벡터집합 XX = xx 1, xx 2,, xx nn 과부류벡터집합 YY = yy 1, yy 2,, yy nn 부류벡터는원핫코드로표현됨. 즉 yy ii = 0,0,, 1,, 0 T 설계행렬로쓰면, 기계학습의목표 모든샘플을옳게분류하는 ( 식 (3.17) 을만족하는 ) 함수 f 를찾는일

36 3.4.1 목적함수의정의 목적함수 평균제곱오차로 MSE(mean squared error) 정의

37 3.4.2 오류역전파알고리즘의설계 식 (3.19) 의목적함수를다시쓰면, 2 층퍼셉트론의경우 Θ = UU 1, UU 2 JJ Θ = JJ( UU 1, UU 2 ) 의최저점을찾아주는경사하강법

38 3.4.2 오류역전파알고리즘의설계 식 (3.21) 을알고리즘형태로쓰면,

39 3.4.2 오류역전파알고리즘의설계 오류역전파의유도 [ 알고리즘 3-3] 의라인 6 을위한도함수값 JJ 먼저 UU 2 를구성하는 uu 2 kkkk 로미분하면, 와 UU 1 UU 2 의계산과정

40 3.4.2 오류역전파알고리즘의설계 오류역전파의유도 UU 1 을구성하는 uu 1 jjjj 로미분하면,

41 3.4.2 오류역전파알고리즘의설계 지금까지유도한식을정리하면, 오류역전파 error back-propagation 알고리즘 식 (3.22)~(3.25) 를이용하여출력층의오류를역방향 ( 왼쪽 ) 으로전파하며그레이디언트를계산하는알고리즘

42 3.4.3 오류역전파를이용한학습알고리즘 식 (3.22)~(3.25) 를이용한스토캐스틱경사하강법

43 3.4.3 오류역전파를이용한학습알고리즘 임의샘플링방식으로바꾸려면,

44 3.4.3 오류역전파를이용한학습알고리즘 행렬표기 : GPU 를사용한고속행렬연산에적합

45 3.5 미니배치스토캐스틱경사하강법 미니배치방식 한번에 t개의샘플을처리함 (t는미니배치크기 ) t=1이면스토캐스틱경사하강법 ([ 알고리즘 3-4]) t=n이면배치경사하강법 미니배치방식은보통 t= 수십 ~ 수백 그레이디언트의잡음을줄여주는효과때문에수렴이빨라짐 GPU를사용한병렬처리에도유리함 현대기계학습은미니배치를표준처럼여겨널리사용함

46 3.5 미니배치스토캐스틱경사하강법

47 3.6 다층퍼셉트론에의한인식 예측 ( 또는테스트 ) 단계 학습을마친후현장설치하여사용 ( 또는테스트집합으로성능테스트 ) 라인 6 을수식으로표현하면, 전방계산한번만사용하므로빠름 ( 표 3-2 참조 )

48 3.7 다층퍼셉트론의특성 오류역전파알고리즘의빠른속도 모든함수를정확하게근사할수있는능력 성능향상을위한휴리스틱의중요성

49 3.7.1 오류역전파알고리즘의빠른속도 연산횟수비교 오류역전파는전방계산보다약 1.5~2 배의시간소요 빠른계산가능 하지만학습알고리즘은수렴할때까지오류역전파를반복해야하므로점근적시간복잡도는 ΘΘ( dddd + pppp nnnn)

50 3.7.2 모든함수를정확하게근사할수있는능력 호닉의주장 [Hornik1989] 은닉층을하나만가진다층퍼셉트론은범용근사자universal approximator 은닉노드를무수히많게할수없으므로, 실질적으로는복잡한구조의데이터에서는성능 한계

51 3.7.3 성능향상을위한휴리스틱의중요성 순수한최적화알고리즘으로는높은성능불가능 데이터희소성, 잡음, 미숙한신경망구조등의이유 성능향상을위한갖가지휴리스틱을개발하고공유함 예 ) Neural Networks: Tricks of the Trade [Montavon2012] 휴리스틱개발에서중요쟁점

52 3.7.3 성능향상을위한휴리스틱의중요성 실용적인성능 1980~1990년대에다층퍼셉트론은실용시스템제작에크게기여 인쇄 / 필기문자인식으로우편물자동분류기, 전표인식기, 자동차번호판인식기등 음성인식, 게임, 주가예측, 정보검색, 의료진단, 유전자검색, 반도체결함검사등 하지만한계노출 잡음이섞인상황에서음성인식성능저하 필기주소인식능력저하 바둑에서의한계 딥러닝은이들한계를극복함

PowerPoint Presentation

PowerPoint Presentation 4 장. 신경망 들어가는말 신경망 1940년대개발 ( 디지털컴퓨터와탄생시기비슷 ) 인간지능에필적하는컴퓨터개발이목표 4.1 절 일반적관점에서간략히소개 4.2-4.3 절 패턴인식의분류알고리즘으로서구체적으로설명 4.2 절 : 선형분류기로서퍼셉트론 4.3 절 : 비선형분류기로서다층퍼셉트론 4.1.1 발상과전개 두줄기연구의시너지 컴퓨터과학 계산능력의획기적발전으로지능처리에대한욕구의학

More information

Introduction to Deep learning

Introduction to Deep learning Introduction to Deep learning Youngpyo Ryu 동국대학교수학과대학원응용수학석사재학 youngpyoryu@dongguk.edu 2018 년 6 월 30 일 Youngpyo Ryu (Dongguk Univ) 2018 Daegu University Bigdata Camp 2018 년 6 월 30 일 1 / 66 Overview 1 Neuron

More information

딥러닝 첫걸음

딥러닝 첫걸음 딥러닝첫걸음 4. 신경망과분류 (MultiClass) 다범주분류신경망 Categorization( 분류 ): 예측대상 = 범주 이진분류 : 예측대상범주가 2 가지인경우 출력층 node 1 개다층신경망분석 (3 장의내용 ) 다범주분류 : 예측대상범주가 3 가지이상인경우 출력층 node 2 개이상다층신경망분석 비용함수 : Softmax 함수사용 다범주분류신경망

More information

1-1-basic-43p

1-1-basic-43p A Basic Introduction to Artificial Neural Network (ANN) 도대체인공신경망이란무엇인가? INDEX. Introduction to Artificial neural networks 2. Perceptron 3. Backpropagation Neural Network 4. Hopfield memory 5. Self Organizing

More information

신경망 (Neural Networks) < 인공지능입문 > 강의 허민오 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University

신경망 (Neural Networks) < 인공지능입문 > 강의 허민오 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 신경망 (Neural Networks) < 인공지능입문 > 강의 허민오 Bioitelligece Laboratory School of Computer Sciece ad Egieerig Seoul Natioal Uiversity 목차 신경망이란? 퍼셉트론 - 퍼셉트론의구조와학습목표 - 퍼셉트론의활성화함수 - 퍼셉트론의학습 : 델타규칙신경망의학습 - 다층퍼셉트론

More information

Multi-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구

Multi-pass Sieve를 이용한 한국어 상호참조해결 반-자동 태깅 도구 Siamese Neural Network 박천음 강원대학교 Intelligent Software Lab. Intelligent Software Lab. Intro. S2Net Siamese Neural Network(S2Net) 입력 text 들을 concept vector 로표현하기위함에기반 즉, similarity 를위해가중치가부여된 vector 로표현

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Introduction to Deep Learning and Neural Networks Vision Modeling Lab. Division of Electrical Engineering Hanyang University, ERICA Campus 2 Contents Machine learning Artificial Neural Network (ANN) 신경망의역사와최근의딥러닝

More information

Vector Differential: 벡터 미분 Yonghee Lee October 17, 벡터미분의 표기 스칼라미분 벡터미분(Vector diffrential) 또는 행렬미분(Matrix differential)은 벡터와 행렬의 미분식에 대 한 표

Vector Differential: 벡터 미분 Yonghee Lee October 17, 벡터미분의 표기 스칼라미분 벡터미분(Vector diffrential) 또는 행렬미분(Matrix differential)은 벡터와 행렬의 미분식에 대 한 표 Vector Differential: 벡터 미분 Yonhee Lee October 7, 08 벡터미분의 표기 스칼라미분 벡터미분(Vector diffrential) 또는 행렬미분(Matrix differential)은 벡터와 행렬의 미분식에 대 한 표기법을 정의하는 방법이다 보통 스칼라(scalar)에 대한 미분은 일분수 함수 f : < < 또는 다변수 함수(function

More information

특집 2 부 3 신경회로망 신경회로망에대한연구는뇌신경생리학으로부터유래되어패턴인식이나연산기억장치, 최적화, 로봇제어, 문자인식, 음성인식, 신호처리등의분야로확대됐을뿐아니라경제, 경영분야의의사결정시스템에도응용되기에이르렀다. 최근에는데이터마이닝의주요기법으로손꼽히고있다. 신현

특집 2 부 3 신경회로망 신경회로망에대한연구는뇌신경생리학으로부터유래되어패턴인식이나연산기억장치, 최적화, 로봇제어, 문자인식, 음성인식, 신호처리등의분야로확대됐을뿐아니라경제, 경영분야의의사결정시스템에도응용되기에이르렀다. 최근에는데이터마이닝의주요기법으로손꼽히고있다. 신현 3 신경회로망 신경회로망에대한연구는뇌신경생리학으로부터유래되어패턴인식이나연산기억장치, 최적화, 로봇제어, 문자인식, 음성인식, 신호처리등의분야로확대됐을뿐아니라경제, 경영분야의의사결정시스템에도응용되기에이르렀다. 최근에는데이터마이닝의주요기법으로손꼽히고있다. 신현정서울대학교산업공학과 hjshin72@snu.ac.kr 조성준서울대학교산업공학과교수 zoon@snu.ac.kr

More information

04 Çмú_±â¼ú±â»ç

04 Çмú_±â¼ú±â»ç 42 s p x f p (x) f (x) VOL. 46 NO. 12 2013. 12 43 p j (x) r j n c f max f min v max, j j c j (x) j f (x) v j (x) f (x) v(x) f d (x) f (x) f (x) v(x) v(x) r f 44 r f X(x) Y (x) (x, y) (x, y) f (x, y) VOL.

More information

무배당 바로받는연금보험II 약관 이 보험계약에서 인용된 법령내용은 [부록] 약관에서 인용 된 법령내용 을 참고하시기 바랍니다. 목 차 가입자 유의사항 4 주요내용 요약서 6 보험용어 해설 8 무배당 바로받는연금보험II 약관 11 지정대리청구서비스특약 약관 39 [부록] 약관에서 인용된 법령내용 45 신체부위 설명도 96 무배당 바로받는연금보험Ⅱ 약관 3 가입자

More information

1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut

1 경영학을 위한 수학 Final Exam 2015/12/12(토) 13:00-15:00 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오. 1. (각 6점) 다음 적분을 구하시오 Z 1 4 Z 1 (x + 1) dx (a) 1 (x 1)4 dx 1 Solut 경영학을 위한 수학 Fial Eam 5//(토) :-5: 풀이과정을 모두 명시하시오. 정리를 사용할 경우 명시하시오.. (각 6점) 다음 적분을 구하시오 4 ( ) (a) ( )4 8 8 (b) d이 성립한다. d C C log log (c) 이다. 양변에 적분을 취하면 log C (d) 라 하자. 그러면 d 4이다. 9 9 4 / si (e) cos si

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 [ 인공지능입문랩 ] SEOPT ( Study on the Elements Of Python and Tensorflow ) . ( 통계적이아니라시행착오적 ) 회귀분석 ( 지도학습 ) by Tensorflow - Tensorflow 를사용하는이유, 신경망구조 - youngdocseo@gmail.com 인공지능 데이터분석 When you re fundraising,

More information

( 분류및특징 ) 학습방법에따라 1 지도학습 (Supervised 2 비지도 학습 (Unsupervised 3 강화학습 (Reinforcement 으로구분 3) < 머신러닝의학습방법 > 구분 지도학습 (Supervised 비지도학습 (Unsupervised 강화학습 (

( 분류및특징 ) 학습방법에따라 1 지도학습 (Supervised 2 비지도 학습 (Unsupervised 3 강화학습 (Reinforcement 으로구분 3) < 머신러닝의학습방법 > 구분 지도학습 (Supervised 비지도학습 (Unsupervised 강화학습 ( 보안연구부 -2016-016 머신러닝 (Machine 개요및활용동향 - 금융권인공지능 (AI) 을위한머신러닝과딥러닝 - ( 보안연구부보안기술팀 / 2016.3.24.) 개요 이세돌 9단과인공지능 (AI, Artificial Intelligence) 알파고 (AlphaGo) 의대국 ( 16 년 3월 9~15일총 5국 ) 의영향으로 4차산업혁명단계 1) 진입을인식함과더불어금융권에서도인공지능기술이주목받게됨에따라,

More information

<4E505F415AB1DBB7CEB9FABAF1C1EEC7C3B7A35FBEE0B0FC28303630343031292E687770>

<4E505F415AB1DBB7CEB9FABAF1C1EEC7C3B7A35FBEE0B0FC28303630343031292E687770> 무배당 알리안츠글로벌비즈플랜보험 약관 제1관 보험계약의 성립과 유지 제1조 보험계약의 성립 제2조 청약의 철회 제3조 약관교부 및 설명의무 등 제4조 계약의 무효 제5조 계약내용의 변경 제6조 보험대상자(피보험자)의 변경 제7조 계약의 갱신 제8조 계약자의 임의해지 제9조 계약의 소멸 제10조 보험나이 제2관 보험료의 납입(계약자의 주된 의무) 제11조 제1회

More information

<343320C1A4B1B3B9FC2DBACEBAD0B9E6C0FC20C1F8B4DCC0BB20C0A7C7D128C0FAC0DABBA1B0A3B1DBBEBEC8AEC0CE292E687770>

<343320C1A4B1B3B9FC2DBACEBAD0B9E6C0FC20C1F8B4DCC0BB20C0A7C7D128C0FAC0DABBA1B0A3B1DBBEBEC8AEC0CE292E687770> Journal of the Korea Academia-Industrial cooperation Society Vol. 14, No. 9 pp. 4455-4461, 2013 http://dx.doi.org/10.5762/kais.2013.14.9.4455 정교범 1*, 곽선근 2 1 홍익대학교전자전기공학과, 2 ( 주 ) 코맥스 Comparison of Artificial

More information

Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제

Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제 Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, 2018 1 1.1 Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제 6.5에서 찾아볼 수 있다. http://incompleteideas.net/book/bookdraft2017nov5.pdf

More information

소성해석

소성해석 3 강유한요소법 3 강목차 3. 미분방정식의근사해법-Ritz법 3. 미분방정식의근사해법 가중오차법 3.3 유한요소법개념 3.4 편미분방정식의유한요소법 . CAD 전처리프로그램 (Preprocessor) DXF, STL 파일 입력데이타 유한요소솔버 (Finite Element Solver) 자연법칙지배방정식유한요소방정식파생변수의계산 질량보존법칙 연속방정식 뉴톤의운동법칙평형방정식대수방정식

More information

1 1 장. 함수와극한 1.1 함수를표현하는네가지방법 1.2 수학적모형 : 필수함수의목록 1.3 기존함수로부터새로운함수구하기 1.4 접선문제와속도문제 1.5 함수의극한 1.6 극한법칙을이용한극한계산 1.7 극한의엄밀한정의 1.8 연속

1 1 장. 함수와극한 1.1 함수를표현하는네가지방법 1.2 수학적모형 : 필수함수의목록 1.3 기존함수로부터새로운함수구하기 1.4 접선문제와속도문제 1.5 함수의극한 1.6 극한법칙을이용한극한계산 1.7 극한의엄밀한정의 1.8 연속 1 1 장. 함수와극한 1.1 함수를표현하는네가지방법 1.2 수학적모형 : 필수함수의목록 1.3 기존함수로부터새로운함수구하기 1.4 접선문제와속도문제 1.5 함수의극한 1.6 극한법칙을이용한극한계산 1.7 극한의엄밀한정의 1.8 연속 2 1.1 함수를표현하는네가지방법 함수 f : D E 는집합 D 의각원소 x 에집합 E 에속하는단하나의원소 f(x) 를 대응시키는규칙이다.

More information

(Microsoft PowerPoint - Ch21_NumAnalysis.ppt [\310\243\310\257 \270\360\265\345])

(Microsoft PowerPoint - Ch21_NumAnalysis.ppt [\310\243\310\257 \270\360\265\345]) 수치해석 161009 Ch21. Numerical Differentiation 21.1 소개및배경 (1/2) 미분 도함수 : 독립변수에대한종속변수의변화율 y = x f ( xi + x) f ( xi ) x dy dx f ( xi + x) f ( xi ) = lim = y = f ( xi ) x 0 x 차분근사 도함수 1 차도함수 : 곡선의한점에서접선의구배 21.1

More information

Sequences with Low Correlation

Sequences with Low Correlation 레일리페이딩채널에서의 DPC 부호의성능분석 * 김준성, * 신민호, * 송홍엽 00 년 7 월 1 일 * 연세대학교전기전자공학과부호및정보이론연구실 발표순서 서론 복호화방법 R-BP 알고리즘 UMP-BP 알고리즘 Normalied-BP 알고리즘 무상관레일리페이딩채널에서의표준화인수 모의실험결과및고찰 결론 Codig ad Iformatio Theory ab /15

More information

딥러닝튜토리얼 Deep Learning Tutorial - 신경망과딥러닝의이해 Understanding Neural Network & Deep Learning

딥러닝튜토리얼 Deep Learning Tutorial - 신경망과딥러닝의이해 Understanding Neural Network & Deep Learning 딥러닝튜토리얼 Deep Learning Tutorial - 신경망과딥러닝의이해 Understanding Neural Network & Deep Learning 집필기관및참여인원 : 소프트웨어정책연구소 안성원 추형석 전남대학교 김수형 목 차 제 1 장서론 2 제2장단일퍼셉트론 2 제1절구조 2 제2절기능 3 제3절학습원리 5 제4절단층퍼셉트론 8 제3장다층퍼셉트론

More information

제 2 장육상관측소지상종관기상전문의해독과기입,.,. (FM 12) (FM 13). (WMO) FM 12-Ⅸ Ext. SYNOP, FM 13-Ⅸ Ext. SHIP. ZCZC 612 SMKO01 RKSL AAXX

제 2 장육상관측소지상종관기상전문의해독과기입,.,. (FM 12) (FM 13). (WMO) FM 12-Ⅸ Ext. SYNOP, FM 13-Ⅸ Ext. SHIP. ZCZC 612 SMKO01 RKSL AAXX 제 2 장육상관측소지상종관기상전문의해독과기입,.,. (FM 12) (FM 13). (WMO) FM 12-Ⅸ Ext. SYNOP, FM 13-Ⅸ Ext. SHIP. ZCZC 612 SMKO01 RKSL 221200 AAXX 22124 47140 11662 82709 10240 20226 39941 49970 52015 60112 72166 8552/ 333 10248

More information

Microsoft Word - LectureNote.doc

Microsoft Word - LectureNote.doc 5. 보간법과회귀분석 . 보간법 Iterpolto. 서론 응용예 : 원자간 pr-wse tercto Tlor Seres oe-pot ppromto 를사용할수없는이유 Appromte / t 3 usg Tlor epso t.! P! 3 4 5 6 7 P 3-3 -5-43 -85 . Newto Tlor Seres 와의관계 te dvded derece Forwrd

More information

2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 5 2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 6 겨울이 되면 1-4 박지예 겨울이 되면 난 참 좋아. 겨울이 되면 귀여운 눈사람도 만들고 겨울이 되면 신나는 눈싸움도 하고 겨울이

2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 5 2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 6 겨울이 되면 1-4 박지예 겨울이 되면 난 참 좋아. 겨울이 되면 귀여운 눈사람도 만들고 겨울이 되면 신나는 눈싸움도 하고 겨울이 2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 1 2015년 2월 12일 사랑의 동삭교육 제 2014-4호 (2월) 2 제2014년 - 4호 ( 2월 ) 펴낸이 : 안 승 렬 교장선생님 도운이 : 박 명 덕 교감선생님 편집인 : 정 경 순 선생님 Tel. (031) 618-9671 학부모회장님 글 1 2월 동삭 교육활동 1.13 신입생 예비소집

More information

비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2

비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2 비트연산자 1 1 비트와바이트 비트와바이트 비트 (Bit) : 2진수값하나 (0 또는 1) 를저장할수있는최소메모리공간 1비트 2비트 3비트... n비트 2^1 = 2개 2^2 = 4개 2^3 = 8개... 2^n 개 1 바이트는 8 비트 2 2 진수법! 2, 10, 16, 8! 2 : 0~1 ( )! 10 : 0~9 ( )! 16 : 0~9, 9 a, b,

More information

때문이다. 물론가장큰이유는, 다음절에서살펴보겠지만최근들어딥러닝구조를학습하는데필요한여러가지테크닉들이개발되었기때문이다 [6,7]. 딥러닝이산업현장에서선호되는데는몇가지이유가있다. 일단은어려운문제를잘해결한다는것이다. 예를들어서, 물체인식과음성인식등전통적인패턴인식의문제에서딥러닝

때문이다. 물론가장큰이유는, 다음절에서살펴보겠지만최근들어딥러닝구조를학습하는데필요한여러가지테크닉들이개발되었기때문이다 [6,7]. 딥러닝이산업현장에서선호되는데는몇가지이유가있다. 일단은어려운문제를잘해결한다는것이다. 예를들어서, 물체인식과음성인식등전통적인패턴인식의문제에서딥러닝 기계학습개론 / 딥러닝강의노트, 서울대학교컴퓨터공학부장병탁, Copyright 2013-2016 3 장 : 딥러닝모델과모델복잡도이론 3.1 딥러닝개념 3.2 딥러닝의혁신점 3.3 딥러닝아키텍쳐 3.4 모델복잡도이론과정규화 3.5 딥러닝모델의비교 3.1 딥러닝개념 30 년전에는인공지능의기초연구분야에속하던머신러닝이최근구글, 애플, 삼성등글로벌기업들이앞다투어확보하려는핵심산업기술로발전하고있다.

More information

슬라이드 0

슬라이드 0 Machine Learning Basic 2016.09 Quarry systems 윤동한 인공지능이란? 지능적행동을자동화하기위한컴퓨터과학의한분야 (Luger & Stubblefield, 1993) 현재사람이더잘하는일을컴퓨터가하도록하는연구 (Rich & Knight, 1991) 1 Machine Learning 이란 명시적으로 Program 하지않고, 스스로학습할수있는능력을컴퓨터에게주기위한연구

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 03 모델변환과시점변환 01 기하변환 02 계층구조 Modeling 03 Camera 시점변환 기하변환 (Geometric Transformation) 1. 이동 (Translation) 2. 회전 (Rotation) 3. 크기조절 (Scale) 4. 전단 (Shear) 5. 복합변환 6. 반사변환 7. 구조변형변환 2 기하변환 (Geometric Transformation)

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 딥러닝소개 < 인공지능입문 > 강의 허민오 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University (C) 2007-2018, SNU Biointelligence Lab, http://bi.snu.ac.kr/ 1 Playground (playground.tensorflow.org)

More information

(Microsoft PowerPoint - Ch19_NumAnalysis.ppt [\310\243\310\257 \270\360\265\345])

(Microsoft PowerPoint - Ch19_NumAnalysis.ppt [\310\243\310\257 \270\360\265\345]) 수치해석 6009 Ch9. Numerical Itegratio Formulas Part 5. 소개 / 미적분 미분 : 독립변수에대한종속변수의변화율 d vt yt dt yt 임의의물체의시간에따른위치, vt 속도 함수의구배 적분 : 미분의역, 어떤구간내에서시간 / 공간에따라변화하는정보를합하여전체결과를구함. t yt vt dt 0 에서 t 까지의구간에서곡선 vt

More information

< 목 차 > < 가입자 유의사항 >... 5 < 주요내용 요약서 >... 6 < 보험용어 해설 >... 8 < 주요 민원사례 >... 10 < 약관조항 안내 >... 11 무배당수호천사플러스상해보험 약관... 12 제 1 관 목적 및 용어의 정의... 12 제 1 조

< 목 차 > < 가입자 유의사항 >... 5 < 주요내용 요약서 >... 6 < 보험용어 해설 >... 8 < 주요 민원사례 >... 10 < 약관조항 안내 >... 11 무배당수호천사플러스상해보험 약관... 12 제 1 관 목적 및 용어의 정의... 12 제 1 조 무배당수호천사플러스상해보험 약관 1 < 목 차 > < 가입자 유의사항 >... 5 < 주요내용 요약서 >... 6 < 보험용어 해설 >... 8 < 주요 민원사례 >... 10 < 약관조항 안내 >... 11 무배당수호천사플러스상해보험 약관... 12 제 1 관 목적 및 용어의 정의... 12 제 1 조 목적... 12 제 2 조 용어의 정의... 12 제

More information

Artificial Intelligence: Assignment 5 Seung-Hoon Na December 15, Numpy: Tutorial 다음 자료를 참조하여 numpy기본을 공부하시오.

Artificial Intelligence: Assignment 5 Seung-Hoon Na December 15, Numpy: Tutorial 다음 자료를 참조하여 numpy기본을 공부하시오. Artificial Intelligence: Assignment 5 Seung-Hoon Na December 15, 2018 1 Numpy: Tutorial 다음 자료를 참조하여 numpy기본을 공부하시오. https://docs.scipy.org/doc/numpy-1.15.0/user/quickstart.html https://www.machinelearningplus.com/python/

More information

<BACFC7D1B3F3BEF7B5BFC7E22D3133B1C733C8A3504446BFEB2E687770>

<BACFC7D1B3F3BEF7B5BFC7E22D3133B1C733C8A3504446BFEB2E687770> 북한의 주요 농업 관련 법령 해설 1) 이번 호와 다음 호에서는 북한의 주요 농업 관련 법령을 소개하려 한다. 북한의 협동농장은 농업협동조합기준규약초안 과 농장법 에 잘 규정되어 있다. 북한 사회주의 농업정책은 사회 주의농촌문제 테제 2), 농업법, 산림법 등을 통해 엿볼 수 있다. 국가계획과 농업부문의 관 계, 농산물의 공급에 관해서는 인민경제계획법, 사회주의상업법,

More information

1 9 2 0 3 1 1912 1923 1922 1913 1913 192 4 0 00 40 0 00 300 3 0 00 191 20 58 1920 1922 29 1923 222 2 2 68 6 9

1 9 2 0 3 1 1912 1923 1922 1913 1913 192 4 0 00 40 0 00 300 3 0 00 191 20 58 1920 1922 29 1923 222 2 2 68 6 9 (1920~1945 ) 1 9 2 0 3 1 1912 1923 1922 1913 1913 192 4 0 00 40 0 00 300 3 0 00 191 20 58 1920 1922 29 1923 222 2 2 68 6 9 1918 4 1930 1933 1 932 70 8 0 1938 1923 3 1 3 1 1923 3 1920 1926 1930 3 70 71

More information

Microsoft PowerPoint - LA_ch6_1 [호환 모드]

Microsoft PowerPoint - LA_ch6_1 [호환 모드] Chapter 6 선형변환은무질서한과정과공학제어시스템의설계에관한연구에사용된다. 또한전기및음성신호로부터의소음여과와컴퓨터그래픽등에사용된다. 선형변환 Liear rasformatio 6. 6 변환으로서의행렬 Matrices as rasformatios 6. 변환으로서의행렬 6. 선형연산자의기하학 6.3 핵과치역 6.4 선형변환의합성과가역성 6.5 컴퓨터그래픽 si

More information

Ch 8 딥강화학습

Ch 8 딥강화학습 Chapter 8. 딥강화학습 < 기계학습개론 > 강의서울대학교컴퓨터공학부장병탁 교재 : 장교수의딥러닝, 홍릉과학출판사, 2017. Slides Prepared by 장병탁, 최진영 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University Version

More information

빅데이터_DAY key

빅데이터_DAY key Big Data Near You 2016. 06. 16 Prof. Sehyug Kwon Dept. of Statistics 4V s of Big Data Volume Variety Velocity Veracity Value 대용량 다양한 유형 실시간 정보 (불)확실성 가치 tera(1,0004) - peta -exazetta(10007) bytes in 2020

More information

Ch 1 머신러닝 개요.pptx

Ch 1 머신러닝 개요.pptx Chapter 1. < > :,, 2017. Slides Prepared by,, Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 1.1 3 1.2... 7 1.3 10 1.4 16 1.5 35 2 1 1.1 n,, n n Artificial

More information

<32303032BEC7BFECC1F62E687770>

<32303032BEC7BFECC1F62E687770> 2001-2002 전남대학교 산악회 2002년 제12집 먼 훗날 당신이 찾으시면 그때에 그 말이 잊었노라. 당신이 속으로 나무라면 무척 그리다 잊었노라. 오늘도 어제도 아니 잊고 먼 훗날 그때도 잊었노라. 지도교수 인사말 산은 인생의 도장이라는 말이 있습니다. 산은 無 言 속에서도 自 然 의 理 致 를 가르쳐주고, 또한 많은 智 慧 를 줍니다. 그러나 生 活

More information

문제지 제시문 2 보이지 않는 영역에 대한 정보를 얻기 위하여 관측된 다른 정보를 분석하여 역으로 미 관측 영역 에 대한 정보를 얻을 수 있다. 가령 주어진 영역에 장애물이 있는 경우 한 끝 점에서 출발하여 다른 끝 점에 도달하는 최단 경로의 개수를 분석하여 장애물의

문제지 제시문 2 보이지 않는 영역에 대한 정보를 얻기 위하여 관측된 다른 정보를 분석하여 역으로 미 관측 영역 에 대한 정보를 얻을 수 있다. 가령 주어진 영역에 장애물이 있는 경우 한 끝 점에서 출발하여 다른 끝 점에 도달하는 최단 경로의 개수를 분석하여 장애물의 제시문 문제지 2015학년도 대학 신입학생 수시모집 일반전형 면접 및 구술고사 수학 제시문 1 하나의 동전을 던질 때, 앞면이나 뒷면이 나온다. 번째 던지기 전까지 뒷면이 나온 횟수를 라 하자( ). 처음 던지기 전 가진 점수를 점이라 하고, 번째 던졌을 때, 동전의 뒷면이 나오면 가지고 있던 점수를 그대로 두고, 동전의 앞면이 나오면 가지고 있던 점수를 배

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 [ 인공지능입문랩 ] SEOPT ( Study on the Elements Of Python and Tensorflow ) 인공지능 + 데이터분석목적 / 방법 / 기법 / 도구 + Python Programming 기초 + NumpyArray(Tensor) youngdocseo@gmail.com 1 *3 시간 / 회 구분일자내용비고 1 회 0309

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA SIFT 서술자를이용한오프라인필기체문자인식특징추출기법 박정국 김경중 세종대학교 컴퓨터공학과 Email: prfirst@sju.ac.kr, kimkj@sejong.ac.kr Feature Extraction for Off-line Handwritten Character Recognition using SIFT Descriptor Jung-Guk Park Kyung-Joong

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Computer Vision & Pattern Recognition Lab. 제 9 장영상인식 Computer Vision & Pattern Recognition Lab. 영상인식 Computer Vision & Pattern Recognition Lab. 2 /26 영상인식 일반적인영상인식은매우어려운문제임 제한된환경, 여러가지가정하에서수행 영상의종류를알경우

More information

제 12강 함수수열의 평등수렴

제 12강 함수수열의 평등수렴 제 강함수수열의평등수렴 함수의수열과극한 정의 ( 점별수렴 ): 주어진집합 과각각의자연수 에대하여함수 f : 이있다고가정하자. 이때 을집합 에서로가는함수의수열이라고한다. 모든 x 에대하여 f 수열 f ( x) lim f ( x) 가성립할때함수수열 { f } 이집합 에서함수 f 로수렴한다고한다. 또 함수 f 을집합 에서의함수수열 { f } 의극한 ( 함수 ) 이라고한다.

More information

3. 다음은카르노맵의표이다. 논리식을간략화한것은? < 나 > 4. 다음카르노맵을간략화시킨결과는? < >

3. 다음은카르노맵의표이다. 논리식을간략화한것은? < 나 > 4. 다음카르노맵을간략화시킨결과는? < > . 변수의수 ( 數 ) 가 3 이라면카르노맵에서몇개의칸이요구되는가? 2칸 나 4칸 다 6칸 8칸 < > 2. 다음진리표의카르노맵을작성한것중옳은것은? < 나 > 다 나 입력출력 Y - 2 - 3. 다음은카르노맵의표이다. 논리식을간략화한것은? < 나 > 4. 다음카르노맵을간략화시킨결과는? < > 2 2 2 2 2 2 2-3 - 5. 다음진리표를간략히한결과

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 Chapter 1. 머신러닝개요 < 기계학습개론 > 강의서울대학교컴퓨터공학부장병탁 교재 : 장교수의딥러닝, 홍릉과학출판사, 2017. Slides Prepared by 장병탁, 김준호, 이상우 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University

More information

<BFACB1B831382D31365FBAF2B5A5C0CCC5CD20BAD0BCAEBFA120C0C7C7D120BFE4C0B2BBEAC1A420B9E6B9FD20BAF1B1B35F33C2F7BCF6C1A E687770>

<BFACB1B831382D31365FBAF2B5A5C0CCC5CD20BAD0BCAEBFA120C0C7C7D120BFE4C0B2BBEAC1A420B9E6B9FD20BAF1B1B35F33C2F7BCF6C1A E687770> Ⅴ. 앙상블기법과신경망모형 1. 앙상블기법 3) 앙상블 (Ensemble) 기법은 CART라는도구가괜찮다는철학하에만들어진것이다. 하지만 CART의성능이우수하지못할수있기때문에이를개선하기위해만들어졌다. 주어진자료를이용하여여러개의예측모형을먼저만들고, 그예측모형들을결합하여최종적으로하나의예측모형을만드는방법이다. 최초로제안된앙상블알고리즘은 1996년에만들어진 Breiman의배깅

More information

= ``...(2011), , (.)''

= ``...(2011), , (.)'' Finance Lecture Note Series 사회과학과 수학 제2강. 미분 조 승 모2 영남대학교 경제금융학부 학습목표. 미분의 개념: 미분과 도함수의 개념에 대해 알아본다. : 실제로 미분을 어떻게 하는지 알아본다. : 극값의 개념을 알아보고 미분을 통해 어떻게 구하는지 알아본다. 4. 미분과 극한: 미분을 이용하여 극한값을 구하는 방법에 대해 알아본다.

More information

Chapter 연습문제답안. y *sin-*cos*^ep-*/sqrt. y [ ; sinpi/ ; sin*pi ; ] 혹은 [ sinpi/ sin*pi ]. a ais[- ] b et.,., sin. c.. a A는주어진행렬 M의 번째열만을표시하는새로운행렬을나타낸다.

Chapter 연습문제답안. y *sin-*cos*^ep-*/sqrt. y [ ; sinpi/ ; sin*pi ; ] 혹은 [ sinpi/ sin*pi ]. a ais[- ] b et.,., sin. c.. a A는주어진행렬 M의 번째열만을표시하는새로운행렬을나타낸다. IT CookBook, MATLAB 으로배우는공학수치해석 ] : 핵심개념부터응용까지 [ 연습문제답안이용안내 ] 본연습문제답안의저작권은한빛아카데미 주 에있습니다. 이자료를무단으로전제하거나배포할경우저작권법 조에의거하여최고 년이하의징역또는 천만원이하의벌금에처할수있고이를병과 倂科 할수도있습니다. - - Chapter 연습문제답안. y *sin-*cos*^ep-*/sqrt.

More information

OCW_C언어 기초

OCW_C언어 기초 초보프로그래머를위한 C 언어기초 4 장 : 연산자 2012 년 이은주 학습목표 수식의개념과연산자및피연산자에대한학습 C 의알아보기 연산자의우선순위와결합방향에대하여알아보기 2 목차 연산자의기본개념 수식 연산자와피연산자 산술연산자 / 증감연산자 관계연산자 / 논리연산자 비트연산자 / 대입연산자연산자의우선순위와결합방향 조건연산자 / 형변환연산자 연산자의우선순위 연산자의결합방향

More information

Microsoft PowerPoint - 실습소개와 AI_ML_DL_배포용.pptx

Microsoft PowerPoint - 실습소개와 AI_ML_DL_배포용.pptx 실습강의개요와인공지능, 기계학습, 신경망 < 인공지능입문 > 강의 허민오 Biointelligence Laboratory School of Computer Science and Engineering Seoul National University 실습강의개요 노트북을꼭지참해야하는강좌 신경망소개 (2 주, 허민오 ) Python ( 프로그래밍언어 ) (2주, 김준호

More information

1 1. (,, ) ( ) (,,, )., 1 ( ), ( ) ( ) 30, ( ) , + 1%., 1.

1 1. (,, ) ( ) (,,, )., 1 ( ), ( ) ( ) 30, ( ) , + 1%., 1. 1 1. (,, ) ( ) (,,, )., 1 ( ), ( ) ( ) 30, ( ). 30. 1, + 1%., 1. 2 1 15. 1,., 1. 3., ( ),.,,,,,. 1 ( ( ) 2 10 ) 3. 2, 1. 1. 2., ( ) ( ), ( ) ( ) 3. 4. ( ) 2,. 4. 1.. 2.., 6. 2,.. 12 200% (, 1,.) 3. ( )

More information

Microsoft PowerPoint - MDA 2008Fall Ch2 Matrix.pptx

Microsoft PowerPoint - MDA 2008Fall Ch2 Matrix.pptx Mti Matrix 정의 A collection of numbers arranged into a fixed number of rows and columns 측정변수 (p) 개체 x x... x 차수 (nxp) 인행렬matrix (n) p 원소 {x ij } x x... x p X = 열벡터column vector 행벡터row vector xn xn... xnp

More information

<B4EBC7D0BCF6C7D02DBBEFB0A2C7D4BCF62E687770>

<B4EBC7D0BCF6C7D02DBBEFB0A2C7D4BCF62E687770> 삼각함수. 삼각함수의덧셈정리 삼각함수의덧셈정리 삼각함수 sin (α + β ), cos (α + β ), tan (α + β ) 등을 α 또는 β 의삼각함수로나 타낼수있다. 각 α 와각 β 에대하여 α >0, β >0이고 0 α - β < β 를만족한다고가정하 자. 다른경우에도같은방법으로증명할수있다. 각 α 와각 β 에대하여 θ = α - β 라고놓자. 위의그림에서원점에서거리가

More information

모바일동향

모바일동향 .... 기계학습의원리, 능력과한계 2016.3. 김진형 소프트웨어정책연구소소장 KAIST 전산학부명예교수 국제패턴인식학회 Fellow 정보과학회명예회장 결과는종종혁신적이지만 진화는항상점진적이다 * 혁신적인알파고, 딥러닝은 70 년동안의인공지능기술진화의산물 * 출처 : 기술의진화 : 비유와함의들, 이관수 ( 동국대다르마칼리지이관수교수 ) 에서 지능적행동을자동화하기위한컴퓨터과학의한분야

More information

슬라이드 1

슬라이드 1 1 장수치미분 1.1 소개및배경 1. 고정확도미분공식 1.3 Richardson 외삽법 1.4 부등간격의미분 1.5 오차가있는데이터의도함수와적분 1.6 MATLAB 을이용한수치미분 1.1 소개및배경 (1/4) 미분이란무엇인가? 도함수 : 독립변수에대한종속변수의변화율 y f( xi + x) f( xi) dy f( x = i + x) f( xi) = lim =

More information

Pattern Recognition

Pattern Recognition 딥러닝이해및미디어응용 아주대학교구형일 인공지능 / 기계학습 / 딥러닝 AI 에관한 4 개의관점 Humanly Rationally Thinking Thinking Humanly Thinking Rationally Acting Acting Humanly Acting Rationally Acting Humanly 사람처럼일하는 / 행동하는기계 인공지능은사람에의해서수행될때지능이필요한일을수행하는기계를만드는기술이다.

More information

02장.배열과 클래스

02장.배열과 클래스 ---------------- DATA STRUCTURES USING C ---------------- CHAPTER 배열과구조체 1/20 많은자료의처리? 배열 (array), 구조체 (struct) 성적처리프로그램에서 45 명의성적을저장하는방법 주소록프로그램에서친구들의다양한정보 ( 이름, 전화번호, 주소, 이메일등 ) 를통합하여저장하는방법 홍길동 이름 :

More information

슬라이드 1

슬라이드 1 동물의조직과기관계 동물조직의개요 : 줄기세포 상피조직 : 기관의내면과표면 단층, 다층, 위다층, 편평형, 입방형, 원주형 결합조직 : 지지, 접착, 격리및결합 섬유아세포, 콜라겐, 엘라스틴소성결합조직, 치밀결합조직, 지방조직, 혈액, 연골, 경골 신경조직 : 신호교환네트워크 신경세포, 신경교세포 근육조직 : 생명체의운동액틴, 미오신, 골격근, 심근, 평활근

More information

<BFACBDC0B9AEC1A6C7AEC0CC5F F E687770>

<BFACBDC0B9AEC1A6C7AEC0CC5F F E687770> IT OOKOOK 87 이론, 실습, 시뮬레이션 디지털논리회로 ( 개정 3 판 ) (Problem Solutions of hapter 7) . 반감산기와전감산기를설계 반감산기반감산기는한비트의 2진수 에서 를빼는회로이며, 두수의차 (difference, ) 와빌림수 (barrow, ) 를계산하는뺄셈회로이다. 에서 를뺄수없으면윗자리에서빌려와빼야하며, 이때빌려오는수는윗자리에서가져오므로

More information

Chap 6: Graphs

Chap 6: Graphs 5. 작업네트워크 (Activity Networks) 작업 (Activity) 부분프로젝트 (divide and conquer) 각각의작업들이완료되어야전체프로젝트가성공적으로완료 두가지종류의네트워크 Activity on Vertex (AOV) Networks Activity on Edge (AOE) Networks 6 장. 그래프 (Page 1) 5.1 AOV

More information

장연립방정식을풀기위한반복법 12.1 선형시스템 : Gauss-Seidel 12.2 비선형시스템 12.1 선형시스템 : Gauss-Seidel (1/10) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. G-S 방법은선형대수방정

장연립방정식을풀기위한반복법 12.1 선형시스템 : Gauss-Seidel 12.2 비선형시스템 12.1 선형시스템 : Gauss-Seidel (1/10) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. G-S 방법은선형대수방정 . 선형시스템 : GussSedel. 비선형시스템. 선형시스템 : GussSedel (/0) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. GS 방법은선형대수방정식을푸는반복법중에서 가장보편적으로사용되는방법이다. 개의방정식에서 인 ( 대각원소들이모두 0 이아닌 ) 경우를다루자. j j b j j b j j 여기서 j b j j j 현재반복단계

More information

ILLUSTRATION DE MANABU DEEP LEARNING Takayoshi Yamashita 2016 All rights reserved. Original Japanese edition published by KODANSHA LTD. Korean transla

ILLUSTRATION DE MANABU DEEP LEARNING Takayoshi Yamashita 2016 All rights reserved. Original Japanese edition published by KODANSHA LTD. Korean transla ILLUSTRATION DE MANABU DEEP LEARNING Takayoshi Yamashita 2016 All rights reserved. Original Japanese edition published by KODANSHA LTD. Korean translation rights arranged with KODANSHA LTD. through Shin

More information

<3233C0CCC1F6C0BA5F53432E687770>

<3233C0CCC1F6C0BA5F53432E687770> 2013년 10월전자공학회논문지제 50 권제 10 호 Journal of The Institute of Electronics Engineers of Korea Vol. 50, NO. 10, October 2013 http://dx.doi.org/10.5573/ieek.2013.50.10.207 논문 2013-50-10-23 수면단계분석을위한특징선택알고리즘설계

More information

슬라이드 1

슬라이드 1 장연립방정식을 풀기위한반복법. 선형시스템 : Guss-Sedel. 비선형시스템 . 선형시스템 : Guss-Sedel (/0) 반복법은초기근을가정한후에더좋은근의값을추정하는체계적인절차를이용한다. G-S 방법은선형대수방정식을푸는반복법중에서 가장보편적으로사용되는방법이다. 개의방정식에서 인 ( 대각원소들이모두 0 이아닌 ) 경우를다루자. j j b j b j j j

More information

시장분석통계Ⅰ. 서론부록인공신경망의시초라할수있는퍼셉트론 (perceptron) 은 1957 년 Frank Rosenblatt 가발명했고딥러닝의 학습알고리즘인오차역전파법 (back-propagation) 은 1986년 LeCun에의해발명됐다. 이미딥러닝의핵심이론은 198

시장분석통계Ⅰ. 서론부록인공신경망의시초라할수있는퍼셉트론 (perceptron) 은 1957 년 Frank Rosenblatt 가발명했고딥러닝의 학습알고리즘인오차역전파법 (back-propagation) 은 1986년 LeCun에의해발명됐다. 이미딥러닝의핵심이론은 198 SURVEY AND RESEARCH 02 딥러닝의현재와미래 Ⅰ. 서론 Ⅱ. 딥러닝을이용한채권회수율예측 Ⅲ. 알파고, 알파고제로, 알파제로 Ⅳ. 결론 김동현 * 한국주택금융공사정보전산부팀장 2017년말에딥마인드에서개발한알파제로는딥러닝을이용한강화학습을통해바둑의기본규칙만을입력받고스스로바둑을둬가며학습하여불과 3일만에수천년간쌓아올린인간의바둑지식을터득했고인간이미처생각하지못한새로운전략도발견했다.

More information

제 3강 역함수의 미분과 로피탈의 정리

제 3강 역함수의 미분과 로피탈의 정리 제 3 강역함수의미분과로피탈의정리 역함수의미분 : 두실수 a b 와폐구갂 [ ab, ] 에서 -이고연속인함수 f 가 ( a, b) 미분가능하다고가정하자. 만일 f '( ) 0 이면역함수 f 은실수 f( ) 에서미분가능하고 ( f )'( f ( )) 이다. f '( ) 에서 증명 : 폐구갂 [ ab, ] 에서 -이고연속인함수 f 는증가함수이거나감소함수이다 (

More information

통신이론 2 장주파수해석 성공회대학교 정보통신공학과 1

통신이론 2 장주파수해석 성공회대학교 정보통신공학과 1 통신이론 장주파수해석 성공회대학교 정보통신공학과 제 장의구성. 시간영역과주파수영역. 푸리에해석.3 푸리에급수.4 푸리에변환.5 특이함수모델.6 푸리에변환쌍.7 푸리에변환과관련된정리들 . 시간영역과주파수영역 3 시간영역과주파수영역 통신에서의신호 - 시간의흐름에따라전압, 전류, 또는전력의변화량을나타낸것 신호를표시할수있는방법 y 진폭 시간영역에서의표현 x 시간 y

More information

Microsoft PowerPoint - ch07 - 포인터 pm0415

Microsoft PowerPoint - ch07 - 포인터 pm0415 2015-1 프로그래밍언어 7. 포인터 (Pointer), 동적메모리할당 2015 년 4 월 4 일 교수김영탁 영남대학교공과대학정보통신공학과 (Tel : +82-53-810-2497; Fax : +82-53-810-4742 http://antl.yu.ac.kr/; E-mail : ytkim@yu.ac.kr) Outline 포인터 (pointer) 란? 간접참조연산자

More information

Artificial Intelligence: Assignment 3 Seung-Hoon Na November 30, Sarsa와 Q-learning Windy Gridworld Windy gridworld는 (Sutton 교재 연습문제 6.5) 다음

Artificial Intelligence: Assignment 3 Seung-Hoon Na November 30, Sarsa와 Q-learning Windy Gridworld Windy gridworld는 (Sutton 교재 연습문제 6.5) 다음 Artificil Intelligence: Assignment 3 Seung-Hoon N November 30, 2017 1 1.1 Srs와 Q-lerning Windy Gridworld Windy gridworld는 (Sutton 교재 연습문제 6.5) 다음 그림과 같이 8 7 Grid world 로, Agent는 up, down, right, left의

More information

슬라이드 1

슬라이드 1 . Fourier Series, Itegrl, d Trsorms Bog-Kee ee Chom Ntiol Uiversity. Fourier Series 주기함수 (periodi utio) 함수 (), 모든실수 에대하여정의주기 (period) 어떤양수 p가존재하여, 모든 에대하여 ( + p)=() 주기함수 (periodi utio) 예. si, ( 주기 π) 주기함수가아닌예.,,,

More information

<31302DB1E8BDC2B1C72E687770>

<31302DB1E8BDC2B1C72E687770> 수자원 운영계획 시스템의 구현을 위한 수리계획 모형 자료구조의 활용 서 론 김재희김승권박영준 댐 군 최적 연계 운영문제 화천 춘천 북한강 계 소양댐 상류권 의암 청평 수도권 #2 소양댐 하류권 팔당 소양 남한강 계 수도권 #1 충주 충주권 댐 발전소 용수 수요지 수자원 운영계획 시스템의 구현을 위한 수리계획 모형 자료구조의 활용 Shortage 화천댐 SPL

More information

Microsoft Word - PLC제어응용-2차시.doc

Microsoft Word - PLC제어응용-2차시.doc 과정명 PLC 제어응용차시명 2 차시. 접점명령 학습목표 1. 연산개시명령 (LOAD, LOAD NOT) 에대하여설명할수있다. 2. 직렬접속명령 (AND, AND NOT) 에대하여설명할수있다. 3. 병렬접속명령 (OR, OR NOT) 에대하여설명할수있다. 4.PLC의접점명령을가지고간단한프로그램을작성할수있다. 학습내용 1. 연산개시명령 1) 연산개시명령 (LOAD,

More information

Electronics and Telecommunications Trends 인공지능을이용한 3D 콘텐츠기술동향및향후전망 Recent Trends and Prospects of 3D Content Using Artificial Intelligence Technology

Electronics and Telecommunications Trends 인공지능을이용한 3D 콘텐츠기술동향및향후전망 Recent Trends and Prospects of 3D Content Using Artificial Intelligence Technology Electronics and Telecommunications Trends 인공지능을이용한 3D 콘텐츠기술동향및향후전망 Recent Trends and Prospects of 3D Content Using Artificial Intelligence Technology 이승욱 (S.W. Lee, tajinet@etri.re.kr) 황본우 (B.W. Hwang,

More information

슬라이드 1

슬라이드 1 마이크로컨트롤러 2 (MicroController2) 2 강 ATmega128 의 external interrupt 이귀형교수님 학습목표 interrupt 란무엇인가? 기본개념을알아본다. interrupt 중에서가장사용하기쉬운 external interrupt 의사용방법을학습한다. 1. Interrupt 는왜필요할까? 함수동작을추가하여실행시키려면? //***

More information

Python과 함께 배우는 신호 해석 제 5 강. 복소수 연산 및 Python을 이용한 복소수 연산 (제 2 장. 복소수 기초)

Python과 함께 배우는 신호 해석 제 5 강. 복소수 연산 및 Python을 이용한 복소수 연산      (제 2 장. 복소수 기초) 제 5 강. 복소수연산및 을이용한복소수연산 ( 제 2 장. 복소수기초 ) 한림대학교전자공학과 한림대학교 제 5 강. 복소수연산및 을이용한복소수연산 1 배울내용 복소수의기본개념복소수의표현오일러 (Euler) 공식복소수의대수연산 1의 N 승근 한림대학교 제 5 강. 복소수연산및 을이용한복소수연산 2 복소수의 4 칙연산 복소수의덧셈과뺄셈에는직각좌표계표현을사용하고,

More information

chap06.hwp

chap06.hwp 제 6 장대칭암호알고리즘 : AES 6.1 AES 6.1.1 AES 개요 1977년도에미국표준으로제정된 DES는지금까지큰허점이발견되지않았지만키길이가 56비트밖에되지않아현재의컴퓨팅기술로는쉽게전사공격을하여암호해독을할수있다. 따라서 1997년에새표준에대한작업을시작하여 2000년 10월에 AES(Advanced Encryption Standard) 라는새표준을채택하였다.

More information

제4차 산업혁명과 인공지능 차 례 제4차 산업혁명과 인공지능 2 제46회 다보스포럼이 2016년 1월 21일~24일 4차 산업혁명의 이해 라는 주제로 개최 되었습니다. 4차 산업혁명은 인공지능에 의해 자동화와 연결성이 극대화되는 단계 로서 오늘날 우리 곁에 모습을 드러

제4차 산업혁명과 인공지능 차 례 제4차 산업혁명과 인공지능 2 제46회 다보스포럼이 2016년 1월 21일~24일 4차 산업혁명의 이해 라는 주제로 개최 되었습니다. 4차 산업혁명은 인공지능에 의해 자동화와 연결성이 극대화되는 단계 로서 오늘날 우리 곁에 모습을 드러 국가연구개발사업 정보 길잡이 제23호 2016년 4월 4월 과학의 날 특집 인공지능과 알파고 이야기 제4차 산업혁명과 인공지능 차 례 제4차 산업혁명과 인공지능 2 제46회 다보스포럼이 2016년 1월 21일~24일 4차 산업혁명의 이해 라는 주제로 개최 되었습니다. 4차 산업혁명은 인공지능에 의해 자동화와 연결성이 극대화되는 단계 로서 오늘날 우리 곁에 모습을

More information

정보

정보 정보 Sangwook Lee Deogi High School III 문제해결과프로그래밍 1 추상화 2 알고리즘 3 프로그래밍 2 알고리즘 2-1 알고리즘설계 2-2 알고리즘분석 3 2-1 알고리즘설계 (p.108) 학습목표 순차, 선택, 반복구조의흐름을설명할수있다. 다양한제어구조를활용하여논리적이고효율적인알고리즘을설계할수있다. 4 [1] 알고리즘제어구조 (p.109)

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 순환알고리즘 C 로쉽게풀어쓴자료구조 순환 (recursion) 수행이끝나기전에자기자신을다시호출하여문제해결 - 직접순환, 간접순환 문제정의가순환적으로되어있는경우에적합한방법 ( 예제 ) 팩토리얼 피보나치수열 n! 1 n * ( n 1)! n n 0 fib( n) 1 fib ( n 2) fib( n 1) 1 ` 2 if if n 0 n 1 otherwise 이항계수

More information

발신자 목적지 발신자 목적지 발신자 목적지 공격자 발신자 목적지 발신자 목적지 공격자 공격자

발신자 목적지 발신자 목적지 발신자 목적지 공격자 발신자 목적지 발신자 목적지 공격자 공격자 발신자 목적지 발신자 목적지 발신자 목적지 공격자 발신자 목적지 발신자 목적지 공격자 공격자 접근시도 해커 인터넷 거부 방화벽 LAN P 평문 암호화 (E) C 암호문 암호해독 (D) P 평문 비밀 K 비밀 K P 평문 암호화 (E) C 암호문 암호해독 (D) P 평문 공개 KU B 비밀 KR B 평문 : a b c d e f g h i j k l m n

More information

02본문

02본문 87 특집 딥러닝기반방송미디어기술 CNN 과 RNN 의기초및응용연구 이은주 / 계명대학교 Ⅰ. 서론 2016 년 3월, 전세계적으로굉장히이슈가되는사건이있었다. 다름아닌, 구글딥마인드 (Deep Mind) 가개발한인공지능바둑프로그램인알파고 (AlphaGo) 와이세돌 9단의바둑대결에서컴퓨터가 4대 1이라는압승을거둔것이다. 이때, 일반대중들에게바둑에대한관심못지않게오래된패러다임으로생각되었던인공지능에대한관심이폭발적으로증가하게되었다

More information

<39373031C0FCC0CEC3CA2E687770>

<39373031C0FCC0CEC3CA2E687770> 人 文 科 學 제97집 2013년 4월 晩 牛 朴 榮 濬 의 在 滿 時 節 小 說 試 探 Ⅰ. 서론 : 滿 洲 의 時 空 的 意 味 晩 牛 朴 榮 濬 (1911-1976)은 연희전문을 졸업하던 해(1934년)에 단편 模 範 耕 作 生 이 조선일보 신춘문예에, 장편 일년( 一 年 ) 이 신동아 의 현상 소설 모집에, 꽁트 새우젓 이 역시 신동아 에 거의 동시에

More information

비선형으로의 확장

비선형으로의 확장 비선형으로의확장 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 비선형으로의확장 1 / 30 개요 선형모형은해석과추론에장점이있는반면예측력은제한됨능형회귀, lasso, PCR 등의방법은선형모형을이용하는방법으로모형의복잡도를감소시켜추정치의분산을줄이는효과가있음해석력을유지하면서비선형으로확장다항회귀 (polynomial regression): ( 예 )

More information

전자회로 실험

전자회로 실험 전자회로실험 2 조 고주현허영민 BJT의고정바이어스및 부품 * 실험목적 1) 고정바이어스와 회로의직류동작점을결정한다. 다이오드의특성 * 실험장비 계측장비 - Digital Multi Meter 부품 -저항 다이오드의특성 부품 - 트랜지스터

More information

4차 산업혁명과 수학

4차 산업혁명과 수학 4 차산업혁명과수학 서울대수리과학부교수김영훈 알파고 ( 구글딥마인드 ) 와이세돌 - 2016 년 3 월 알파고의충격 2016 년 3 월세계랭킹 1 위를지낸이세돌 9 단이구글딥마인드사의인공지능프로그램알파고와의대결에서 1 승 4 패로완패함. 2017 년 5 월현세계랭킹 1 위인중국커제 9 단이알파고에 3 패. 1997 년 5 월 IBM 의딥블루가세계체스챔피언카스파로프를꺾었으나바둑은비교할수없을정도로복잡하므로바둑에서인간을꺾는일은없을것이라여겨짐.

More information

Microsoft PowerPoint - CUDA_NeuralNet_정기철_발표자료.pptx

Microsoft PowerPoint - CUDA_NeuralNet_정기철_발표자료.pptx 정기철 (kcjung@ssu.ac.kr/ http://hci.ssu.ac.kr) 숭실대학교 IT대학미디어학부 (http://www.ssu.ac.kr/ http://media.ssu.ac.kr) VMD/NAMD Molecular Dynamics 일리노이주립대 가시분자동력학 (VMD)/ 나노분자동력학 (NAMD) 240X 속도향상 http://www.ks.uiuc.edu/research/vmd/projects/ece498/lecture/

More information

슬라이드 1

슬라이드 1 16 장 Fourier 해석 16.1 사인함수를이용한곡선접합 16.2 연속 Fourier 급수 16.3 주파수영역과시간영역 16.4 Fourier 적분과변환 16.5 이산 Fourier 변환 (DFT) 16.6 파워스펙트럼 16.1 사인함수를이용한곡선접합 (1/5) 주기가 T 인주기함수 f() t = f( t+ T) 주기운동의가장기본 : 원운동 ( 코사인,

More information

Microsoft PowerPoint - 알고리즘_5주차_1차시.pptx

Microsoft PowerPoint - 알고리즘_5주차_1차시.pptx Basic Idea of External Sorting run 1 run 2 run 3 run 4 run 5 run 6 750 records 750 records 750 records 750 records 750 records 750 records run 1 run 2 run 3 1500 records 1500 records 1500 records run 1

More information

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포 생존분석의 추정과 비교 : 보충자료 이용희 December, 8 Cotets 생존함수와 위험함수. 생존함수와 위험함수....................................... 예제: 지수분포.......................................... 예제: 와이블분포.........................................

More information

표본재추출(resampling) 방법

표본재추출(resampling) 방법 표본재추출 (resampling) 방법 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 표본재추출 (resampling) 방법 1 / 18 학습내용 개요 CV(crss-validatin) 검증오차 LOOCV(leave-ne-ut crss-validatin) k-fld CV 편의-분산의관계분류문제에서의 CV Btstrap 박창이 ( 서울시립대학교통계학과

More information

미분기하학 II-16 복소평면의선형분수변환과쌍곡평면의등장사상 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 Ø 'x! xxñ 2007 년 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 (Ø 'x!) 미분기하 II 2007 년 1 / 26

미분기하학 II-16 복소평면의선형분수변환과쌍곡평면의등장사상 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 Ø 'x! xxñ 2007 년 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 (Ø 'x!) 미분기하 II 2007 년 1 / 26 미분기하학 II-16 복소평면의 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 Ø 'x! xxñ 2007 년 김영욱 (ÑñÁ) 강의양성덕 (zû ) 의강의록 (Ø 'x!) 미분기하 II 2007 년 1 / 26 자, 이제 H 2 의등장사상에대해좀더자세히알아보자. Definition 선형분수변환이란다음형식의사상을뜻한다. Example f (z) = az +

More information

PowerPoint Presentation

PowerPoint Presentation 디지털 CMOS 인버터의동작및특성 IT CookBook, 최신 VLSI 설계, 조준동, 성균관대학교 학습목표 CMOS 인버터의동작과구조를익힌다. CMOS 인버터의출력전류, 출력전압의특성을알아본다. 노이즈마진을구한다. 목차 1.CMOS 인버터의동작및구조 2.CMOS 인버터의출력전류 / 전압특성 Section 01 CMOS 인버터의동작및구조 1.1 CMOS 인버터의동작.

More information

Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology Vol.7, No.11, November (2017), pp

Asia-pacific Journal of Multimedia Services Convergent with Art, Humanities, and Sociology Vol.7, No.11, November (2017), pp Vol.7, No.11, November (2017), pp. 71-79 http://dx.doi.org/10.14257/ajmahs.2017.11.59 이기종컴퓨팅을활용한환율예측뉴럴네트워크구현 한성현 1), 이광엽 2) Implementation of Exchange Rate Forecasting Neural Network Using Heterogeneous

More information

PowerPoint Presentation

PowerPoint Presentation 5 불대수 IT CookBook, 디지털논리회로 - 2 - 학습목표 기본논리식의표현방법을알아본다. 불대수의법칙을알아본다. 논리회로를논리식으로논리식을논리회로로표현하는방법을알아본다. 곱의합 (SOP) 과합의곱 (POS), 최소항 (minterm) 과최대항 (mxterm) 에대해알아본다. 01. 기본논리식의표현 02. 불대수법칙 03. 논리회로의논리식변환 04.

More information

Microsoft PowerPoint - chap06-2pointer.ppt

Microsoft PowerPoint - chap06-2pointer.ppt 2010-1 학기프로그래밍입문 (1) chapter 06-2 참고자료 포인터 박종혁 Tel: 970-6702 Email: jhpark1@snut.ac.kr 한빛미디어 출처 : 뇌를자극하는 C프로그래밍, 한빛미디어 -1- 포인터의정의와사용 변수를선언하는것은메모리에기억공간을할당하는것이며할당된이후에는변수명으로그기억공간을사용한다. 할당된기억공간을사용하는방법에는변수명외에메모리의실제주소값을사용하는것이다.

More information

Reinforcement Learning & AlphaGo

Reinforcement Learning & AlphaGo Gait recognition using a Discriminative Feature Learning Approach for Human identification 딥러닝기술및응용딥러닝을활용한개인연구주제발표 이장우 wkddn1108@kist.re.kr 2018.12.07 Overview 연구배경 관련연구 제안하는방법 Reference 2 I. 연구배경 Reinforcement

More information