분류 전체보기
-
5. (Matlab) 알아두면 유용한 매트랩, 행렬 인덱스(indexing)2) Tech 2020. 3. 16. 00:05
안녕하세요! 4번째 게시물에 이어서! 행렬의 Indexing(인덱싱)에 대해 이야기해보겠습니다. 2. Row-Column Indexing : 행 인덱스, 열인덱스 - matrix indexing 먼저 행렬을 하나 생성해봅시다. A = magic(3); //3x3 마방진행렬, 행렬 생성함수는 여기서 봅시다! -> CLICK!(행렬생성 함수 게시물) 2-1. 행 인덱스, 열 인덱스 입력하여 특정 원소접근 하기! 행렬 A에 접근하기 위해선 ( )를 이용하면 되는데요. A(접근 행, 접근 열) A( , ) 콤마로 행과 열 구분! 이것만 기억하시면 행렬의 행과, 열 원소에 인덱싱이 가능합니다. 즉 행렬 A에 7이라는 원소에 접근하기 위해서는 7의 위치인 2행, 3열을 확인하면 되겠죠?! x = A(2,3); //..
-
2-1. (Matlab) 알아두면 유용한 매트랩, 행렬 생성 함수2) Tech 2020. 3. 15. 23:26
안녕하세요! 2. (Matlab) 알아두면 유용한 매트랩, 벡터와 행렬에서 다뤘던 행렬과 별개로 행렬 생성함수를 따로 정리해보려합니다. - 유용한 행렬 생성 함수 A = zeros(m, n); -> 모든 성분이 0인 m x n 행렬 B = zeros(n); -> 모든 성분이 0인 n x n 행렬 c = ones(m, n); -> 모든 성분이 1인 m x n 행렬 D = eye(n); -> n x n 단위 행렬(identity matrix) E = rand(n); -> 0~1 균일하게 분포 된 단일 난수로 구성된 n x n 행렬 F = randi([n,m], [o,p]); -> [n,m], [o,p] n~m까지 oxp행렬, 정수로 구성된 행렬 G = magic(n); -> 마방진 행렬 +함수에 관한 정보는..
-
4. (Matlab) 알아두면 유용한 매트랩, 인덱스(indexing)2) Tech 2020. 3. 8. 21:28
안녕하세요! 오늘은 매트랩 벡터의 Indexing(인덱싱)에 대해 이야기해보겠습니다. 인덱싱이란 여러 데이터중 특정데이터에 접근하는것을 의미합니다! 즉, [0, 1, 2, 3, 4, 5]와 같은 행벡터가 있을 때 0번째, 4번째 데이터에 접근 하려할때 indexing을 사용하게됩니다. 매트랩에서 인덱싱의 방법은 크게 3가지가 있습니다. 1. Linear Indexing : 인덱스 2. Row-Column Indexing : 행 인덱스, 열 인덱스 3. Logical Indexing : 조건 1. Linear Indexing 매트랩 인덱싱을 예를 통해 알아보겠습니다. 그럼 명령창으로 갑시다! clear; clc; x = [5, 4, 10, 2]; 위와 같이 x를 선언했을 때, x의 [5, 4, 10, 2]..
-
Pooling을 사용하는 이유, pooling의 특징, pooling의 효과 (CNN, Sub sampling, Max pooling, Average pooling)1) Tech 2020. 3. 8. 13:54
DNN은 기본적으로 layer라는 모듈을 조립하듯이 이어붙이는 구조를 가집니다. 여기서 layer의 종류는 다양하게 존재하는데 CONV layer, FC layer(Affine layer), BN layer, Pooling layer, activation 등이 존재합니다. 이번에 pooling에 대해서 이야기하고자 합니다. 도대체, Pooling은 왜 사용할까? Pooling은 sub sampling이라고 합니다. sub sampling은 해당하는 image data를 작은 size의 image로 줄이는 과정입니다. pooling은 CNN기준으로 이야기하자면 CONV layer와 Activation을 거쳐 나온 output인 activation feature map에 대하여 technique을 적용합니다..
-
DNN의 특징 (Heuristic, 발견법)1) Tech 2020. 3. 8. 13:09
DNN을 공부하고 있는 입장에서 항상 의문이 들었습니다. 이 technique을 왜사용할까? 이것말고 다른 좋은 방법은 없는가? DNN은 보통 technique이 나온 근거로 경험상(Heuristic)이라는 말이 많이 나옵니다. heuristic이란? = 말그대로 해보니까 잘된다. 해보니까 기존(baseline)보다 좋았다. 이는 DNN이 너무 많은 layer와 parameter, big data를 이용한 training 등으로 인해 수학적인 근거를 명확하게 찾기가 쉽지 않습니다. 또한, filter의 값을 채워넣는 Weight initialization도 random한 value을 사용됩니다. (물론, weight initialization의 방법도 다양합니다. 하지만 제안된 방법들도 대부분 rando..