HAMA 블로그

Neo4j 의 인덱스를 만들고 데이터 넣고, 검색하기 - 일단 서버부터 시작하자.GraphDatabaseService graphDb = new GraphDatabaseFactory().newEmbeddedDatabase( DB_PATH ); - 이름으로 유저를 인덱스하기위해 데이타베이스를 설정해야한다. 한번에 완료되야 한다.IndexDefinition indexDefinition; try ( Transaction tx = graphDb.beginTx() ) { Schema schema = graphDb.schema(); indexDefinition = schema.indexFor( DynamicLabel.label( "User" ) ) .on( "username" ) .create(); tx.succes..

Neo4j Hello world~!! 인사이드를 살펴보기전에 Neo4j 의 사용 예를 간단하게 체크하자. - Relationship 타입을 enum 으로 만든다. private static enum RelTypes implements RelationshipType { KNOWS // 아는 관계 ( 친구 , 가족 뭐 그런..) } - 관련 변수 선언 GraphDatabaseService graphDb; Node firstNode; Node secondNode; Relationship relationship; - 데이터 베이스 시작 graphDb = new GraphDatabaseFactory().newEmbeddedDatabase( DB_PATH ); registerShutdownHook( graphDb ..

무들에서 하나씩 문제를 생산하는 삽질대신해서, 대규모로 문제를 업로드시킬수있는 방법이 있습니다. 무들은 그런 문제들을 질문은행으로 대규모 임포트하는데 사용될수있는 여러가지 포맷들을 지원합니다.여기에서는 3가지 방법을 알아보겠습니다.방법1. 간단한 Aiken format 을 사용하여 문제를 임포트하기. 이 방법은 오직 선다형에서만 사용할수있음.스텝1. 원하는 문제를 Aiken format 으로 변경합니다. 그리고 .txt 파일로 저장합니다. 위는 Akien format 의 예입니다. 질문은 오직 한라인이어야만 합니다. 각각의 대답은 단일 문자로 시작되며, . or ) 로 끝나구요. 공백하나 같은후에 답변이 이어집니다. 정답은 ANSWER: 로 시작하며 답변에 적절한 문자를 넣어줍니다. 너무 쉽긴한데 피드백..

사실 d3 라이브러리를 사용하는것은 OpenGL 이나 SVG/GDI+ 를 사용하는것 만큼 나름 로우레벨 작업이다. 이름 자체가 나타내듯이 Data-Driven Documents 이지 그래프 / 차트 라이브러리가 아니기때문이다.개인적으로는 아주 가끔 가다가 차트작업을 했었고, 차트에 그려질 그래프 스타일이 그때 마다 가지각색 이었기때문에 chart FX 나 Teechart 를 사용하기보다는 GDI+ 로 직접 그렸던것 같다. (차트라이브러리를 공부해서 사용하는것보다 밑바닥부터 그린게 편하긴한데.. 대략 일주일정도 소모됬던것 같다) d3 라이브러리 경우 자유성은 분명 높지만, 간단하면서 아주 일반적인 차트를 그리는데 있어서는 공부도 좀 해야하고 신경써야할 부분이 많다. 이럴때 d3 를 이용하여 어느정도 템플릿..

만약 자신의 집에서 사용중인 전기를 측정하는 센서가있다고 치고 , 그 센서는 1초에 한번씩 전력값을 측정한다고 치자. (사실 센서에서는 수천번 측정한다고한다.그것들의 1초 평균값을 가져온다고 생각하자. 더 상세하게 분석하려면 1초 평균값,최대피크값등등 가져오면 더 좋을것이다.물론BM에따라서는 1분당 , 1시간당 평균,최저,최고값을 사용할수도있겠다.) 이 측정 값을 분석해서 , 집안에서 사용중인 모든 가전제품등의 대기전력 및 여러가지 패턴을 알아낸다고 하자. 막간 상식 코너 ~! 와트(W) : 움직이는 전하는 일을 한다. 예를 들어 열을 발생시키거나 전동기를 회전시키는 등의 일을 한다. 일의 능률(전기에너지가 빛이나 열에너지로 바뀌는 비율)을 전력이라 한다. 전력 (P) : 단위시간(1초) 동안 전기기구에..

* 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..

OpenADR 2.0 은 유틸리티들간에 그리고 에너지 관리 시스템들 사이에 정보를 교환하는것에 관해 표준화하며 반면에 SEP 2.0 은 게이트웨어에 의해 받아들인 마켓 시그널들에 대한 응답에 대한 디바이스 커뮤니케이션을 표준화한다.OpenADR 2.0 과 SEP 2.0 모두 SGIP CIM 가이드라인을 따른다. 2 가지 어플리케이션 레이어 프로토콜간에 매핑 테이블을 개발하기위한 노력이 이루어지고있다.아래는 차이점을 나타낸다.OpenADR 2.0SEP 2.0Service provider (server) to customer energy system interface (client)Enables automated AutoDR to commercial, industrial and residential cust..