일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
- 스위프트
- play2 강좌
- Adapter 패턴
- 그라파나
- 파이썬 강좌
- akka 강좌
- 블록체인
- Hyperledger fabric gossip protocol
- 안드로이드 웹뷰
- 스칼라 강좌
- Golang
- play 강좌
- 이더리움
- hyperledger fabric
- 스칼라 동시성
- Akka
- 주키퍼
- 엔터프라이즈 블록체인
- 하이퍼레저 패브릭
- 하이브리드앱
- 스칼라
- 파이썬
- Actor
- 파이썬 동시성
- Play2 로 웹 개발
- CORDA
- 파이썬 머신러닝
- Play2
- 파이썬 데이터분석
- 플레이프레임워크
- Today
- Total
목록통계 & 머신러닝 & 딥러닝 (39)
HAMA 블로그
http://www.pyimagesearch.com/2015/11/16/hog-detectmultiscale-parameters-explained/ 번역 HOG detectMultiScale 파라미터 설명 Figure 2: On my system, it takes approximately 0.09s to process a single image using the default parameters. img (required)이 파라미터는 꽤 명쾌한데 - 우리가 탐지하고 싶은 객체를 가지고 있는 이미지이다. (사진에서는 사람) . 이것은 detectMultiScale 함수에 무조건 들어가야하는 인자이다. 색상을 가지고 있거나 그레이 스케일 이미지이면 된다.hitThreshold (optional) hitTh..
https://chrisjmccormick.wordpress.com/2013/05/09/hog-person-detector-tutorial/ 번역 HOG PERSON DETECTOR TUTORIALMay 9, 2013· by Chris McCormick· in Tutorials.·가장 인기있고 성공적인 "사람 탐지기" 중 하나가 SVM 접근을 이용한 HOG 이다. 내가 2013년 4월에 임베디드 비전 서밋에 참가했었을때, 그것은 내가 들은 가장 일반적인 알고리즘이었다.HOG 는 경사지향 히스토그램 (Histograms of Oriented Gradients ) 이고, HOG 는 피쳐 기술자 (feature descriptor ) 의 한 타입이다. 피쳐 기술자의 의도는 동일한 객체 (이 경우에는 사람) 들..
http://www.newyorker.com/news/news-desk/is-deep-learning-a-revolution-in-artificial-intelligence 달에 도착한것은 아니다.. 할수도 없다..
* LFF(Layered Feed-Forward neural network) : 다층 피드 포워드 신경망 - 퍼셉트론은 선형분리가 불가능한 문제에 대해서 해결을 해지 못했다. - 이러한 문제를 해결 하기 위해서 나타난 것이 LFF이다. - LFF는 선형분리가 불가능한 문제를 나누기 위해서 여러개의 직선으로 층을 나눠서 문제해결을 시도한다. ex) 퍼셉트론으로 풀지 못한 XOR문제를 LFF, 2개의 층으로 이뤄진 신경망을 이용하여 해결이 가능하다. - LFF는 하나의 입력층과 하나 이상의 은닉층, 하나의 출력층으로 이뤄져 있다. - 이름에서 나타 났듯이 입력층, 은닉층, 출력층 등으로 층이 나눠져 있으며, 앞으로만 전진이 가능한 단방향 뉴런 네트워크다. > 입력층 : 계산과정 없이 외부로 부터 신호를 받아..
* 퍼셉트론 - 계단 함수 또는 부호함수를 사용하여 만들어진 단순한 뉴런 - 퍼셉트론에서는 초평면과 선형분리 개념이 적용된다. > 초평면 : N차원 공간을 두개의 영역으로 나누는 평면 > 선형분리 : 값의 분포를 2개로 나눠지는 평면이 존재하면, 선형분리가 가능하다라고 한다. - 선형분리가 가능해야지 퍼셉트론으로 표현이 가능하다. ex1) AND > 녹색선과 빨간색선은 모두 2차원 공간을 2개로 나누는 초평면이다. > 녹색선으로 만들어진 함수는 AND를 나타내기 위해 부적합하다. > 붉은선으로 만들어진 함수는 AND를 나타내기에 적합하다. 또한 붉은선에 의해서 상태가 나눠지므로, 선형분리가 가능하다. > 이는 퍼셉트론으로 계산이 가능하다. ex2) XOR > 어떠한 초평면으로도 XOR을 만족시키는 것이 ..
* 기계 학습 - 주변 환경 및 데이터를 통해서 공통점을 뽑아 내는 것 - 학습 능력에 의해서 지능형 시스템의 성능은 개선되어 간다. - 대표적인 방법 : 유전알고리즘(Genetic algorithm), 인공신경망(Artificial Neural Network) * 신경망 - 뇌 : 서로 연결된 신경 세포의 집합 - 신경세포(Neuron) : 정보처리 단위 - 여러개의 뉴런을 병렬처리 함으로써 인간은 어떤 컴퓨터보다 빠르게 그 기능을 수행할 수 있다. - 복잡하며, 비선형적이고, 병렬적인 처리가 가능하다. - 인공신경망 : 인간의 뇌를 부분적으로 흉내낸 것 * 인공신경망의 모델 - 사람 신경망의 단순화 : 여러가지 데이터를 합쳐서 처리를 한후 다음 노드로 결과를 전달 - 가중치가 있는 링크들의 연결로 이..
자율학습의 한갈래로 클러스터링 과 ICA 가 있다. 아래는 ICA 에 대한 짧은 소개이다.(자율 학습(Unsupervised Learning)은 기계 학습의 일종으로, 데이터가 어떻게 구성되었는지를 알아내는 문제의 범주에 속한다. 이 방법은 지도 학습(Supervised Learning) 혹은 강화 학습(Reinforcement Learning)과는 달리 입력값에 대한 목표치가 주어지지 않는다.)Independent Components AnalysisIntroductory OverviewIndependent Component Analysis is a well established and reliable statistical method that performs signal separation. Signa..
집단 지성 프로그래밍이라는 책을 정리해본다. (http://www.yes24.com/24/goods/2917663?scode=032&OzSrank=1) 이 책은 머신러닝의 기본이되는 내용을 훌륭히 소개하고 있는 꽤 유명한 책이다. 각 챕터의 핵심만 정리한다. 순서 1. 집단지성 소개2. 추천시스템 만들기3. 군집발견4. 검색과 랭킹5. 최적화6. 문서필터링7. 의사결정트리8. 가격 모델링9. 고급분류기법 : 커널기법과 SVM10. 독립특성 발견 11. 진화지성12. 알고리즘 요약 1. 협업 필터링 괜찮은 영화를 선택할때 , 보통 주변 친구들한테 물어보는 방법을 사용하기도 한다.협업 필터링 알고리즘은 큰 무리의 사람들을 검색해서 나와 비슷한 취향의 작은 집합을 발견한후에 그 집합에서의 선택을 결합해서 목록..
집단 지성 프로그래밍이라는 책을 정리해본다. (http://www.yes24.com/24/goods/2917663?scode=032&OzSrank=1) 이 책은 머신러닝의 기본이되는 내용을 훌륭히 소개하고 있는 꽤 유명한 책이다. 각 챕터의 핵심만 정리한다. 순서 1. 집단지성 소개2. 추천시스템 만들기3. 군집발견4. 검색과 랭킹5. 최적화6. 문서필터링7. 의사결정트리8. 가격 모델링9. 고급분류기법 : 커널기법과 SVM10. 독립특성 발견 11. 진화지성12. 알고리즘 요약 1. 집단지성 소개 집단지성의 예 - 위키디피아 : 사용자 공헌으로만 만들어지는 온라인 백과사전이다. 알고리즘에 의존하기보단 정보를 제공하는 사용자 기반 에 의존. - 구글 : 특정웹페이지에 있는 정보(링크) 를 랭킹으로 정리하..