유진정의 기록

주요 용어 정리벡터(Vector): 크기와 방향을 가진 수학적 객체기하벡터: 방향과 크기를 가진 화살표로 표현되는 벡터다항식벡터: 다항식의 계수로 구성된 벡터$R^n$: n개의 실수로 이루어진 벡터 공간오디오신호: 숫자들의 시퀀스로 표현되며 벡터로 간주될 수 있는 데이터1. 벡터의 정의와 표현💡 벡터는 덧셈과 스칼라 곱에 대해 닫혀있는 객체입니다.1.1 벡터의 다양한 형태기하 벡터방향과 크기를 가진 유향 선분으로 표현물리학에서 힘, 속도 등을 표현할 때 사용예시:$\vec{v} = \begin{bmatrix} 3 \ 4 \end{bmatrix}$ (크기: 5, 방향: x축과의 각도)다항식 벡터다항식의 계수들을 벡터로 표현예시: $p(x) = 2x^2 + 3x + 1$ → $\begin{bmatrix} ..

보호되어 있는 글입니다.

- 기존 Encoder-Decoder구조를 벗어난 Attention Mechanism만으로 구성된 Transformer 모델이 발표-  Transformer는 컴퓨터 비전분야에도 쓰이고 있으며 많은 변화를 가져온 모델Sequence Modeling- RNN과 LSTM 등- 실제로 State-Of-The-Art의 성능을 보이고 있었습니다.- Recurrent한 구조나 Encoder-Decoder 구조는 Memory와 Computation에서 많은 양을 요구하고 있어 한계 - RNN의 문제점은 긴 시퀀스를 다루는 데 한계가 있고, 각 단어의 정보를 이전에 보았던 정보만 고려하는 '근접성' 문제가 있음. - 제안된 구조 중 하나가 Encoder-Decoder 모델인 Seq2Seq입니다.- Encoder는 입력..

7강 CNN: Convolutional Neural NetworksConvolution Layer합성곱 계층은 3차원으로 구성된 볼륨에서 작동각 레이어는 활성화된 볼륨을 받아들여 새로운 활성화된 볼륨을 생성필터를 이미지 위에서 이동시켜 점곱 연산을 수행각 필터는 하나의 활성화 맵을 생성이러한 합성곱 계층을 통해 이미지를 새로운 형태의 표현으로 변환Pooling Layer풀링 계층은 볼륨의 표현을 줄이고 관리하기 쉬움각 활성화 맵에 대해 독립적으로 작동최대 풀링은 각 영역에서 가장 높은 값을 선택하여 작동Fully Connected Layer (FC Layer)합성곱 및 풀링 계층을 거친 후에는 결과를 플래튼하여 완전 연결 계층에 전달합니다.이를 통해 클래스를 구분하는 softmax에서 결과Case Stu..

주식 거래에서 "alpha(알파)"란 일종의 투자 용어로, 특정 주식이나 포트폴리오가 시장의 평균 수익률을 넘어서는 정도투자자가 시장 평균을 능가하는 추가적인 수익을 뜻한다.특정 투자 전략이나 포트폴리오의 성과를 평가할 때 사용하는데, 어떤 펀드나 투자 전략이 알파를 생성한다면,그것은 시장을 능가하는 수익을 창출하고 있다는 것을 의미한다.알파가 음수라면, 해당 펀드나 전략은 시장 평균보다 성과가 낮다는 것을 의미한다.알파는 일반적으로 벤치마크(시장의 평균 수익률을 나타내는 지표)와의 비교를 통해 계산한다.

Chapter 4. Backpropagation and NN part 1 | Chapter 5. Training NN part 1 | Chapter 6. Training NN part 2 * 역전파(Backpropagation)신경망에서 오차를 각 층의 가중치와 편향으로 되돌리는 과정 모델이 오차를 최소화하는 방향으로 학습1. Forward Pass: 입력에서 출력 방향으로 계산하여 오차를 계산하고 local gradient를 저장.2. Backward Pass: 출력에서 입력 방향으로 오차를 다시 전파하며 전역 그래디언트를 계산3. Gradient Descent: 그래디언트를 사용하여 가중치를 업데이트1. 오차 계산: 출력층에서 실제 값과 예측 값 사이의 오차를 계산2. 역전파: 오차를 입력층까지 거꾸..