본문 바로가기

작성중인 포스트13

유튜브 표준 동영상 인코딩 가이드 https://support.google.com/youtube/answer/1722171?hl=ko 2015. 4. 13.
확률적 두뇌의 이해 : PCA를 이용한, STC 데이터 분석 Dear all, As stated today, the homework for next week is to write a matlab code to perform PCA on s(t) and r(t) variables, which were generated with a forward engineering of the general LNP model (Rust et al., 2005). The TWO synthetic data sets are attached as “mat” files. Please download these two mat files (named “DATA_set1.mat” and “DATA_set2.mat”), each corresponding to one cell’s data. If y.. 2015. 3. 31.
Probabilistic PCA Probabilistic PCA : 기존 PCA는 원래 차원 x와 프로젝션 매트릭스 z, 축소된 차원 y로 놓고, z를 구하여 y를 찾아내는 것이다. 그러나 Probabilistic PCA는 y가 고정된 것이라고 가정하고 z를 확률적으로 변경시켜 찾아내는 방식이다.이를 통해 PCA에선 할 수 없었던 regeneration 등이 가능하다. 2014. 12. 15.
Predicate Logic, First-order Logic 1차 논리 = 술어 논리 (First-order Logic = Predicate Logic) : 명제 논리에서 양화를 다룰 수 있는 성질이 추가됨 http://kingmbc2.blog.me/30043620693http://imnt.tistory.com/56http://redcarrot.tistory.com/51http://blog.naver.com/mginu/110140023406 2014. 11. 15.
Markov Random Field, Conditional Random Field cliquesundirected graphall BN -> MRFMRF have Z term(partition function)clique table = potential functiontotal P = maximum cliques' multiplication as Potential function for clique구조학습하는 알고리즘이 있음. 이것이 풀고자하는 대상.모든 랜덤 변수를 다 집어 넣고 fully connected MRF에서 시작해 무의미한 연결을 지워가면서 구조를 학습함. higher order canonical potential = pgm교과서에있음. 핵심 패턴을 놓고, 이것과의 차이로 파라미터라이즈를 함. 디폴트 패턴을 정해놓고 출발. 디폴트 패턴을 잘 정해야함. 그래서 데이터에서 가.. 2014. 11. 14.
Positive Definiteness Symmetric Matrix이면 Positive Definite이다(?)따라서 멀티베리엇 가우시안의 공분산행렬은 P.D이다? 아마도맞을거임..확인필요 2014. 11. 13.
Gaussian Processes # Multivariate Gaussian : 2개이상의 변수에서 공분산을 구한 covariance matrix 를 이용해 그려지는 가우시안 분포아래 그림의 초록색 원이 멀티 베리엇 가우시안이며, 빨간색과 파란색은 Maginalization 한 것이라고 볼 수 있다. 이런식으로 conditionals 도 정의된다. 3개의 변수에서 multivariate gaussian 은 구형태의 분포를 띌 것이다. 장점 : 매우 자연스럽게 regression 할 수 있다.단점 : 데이터의 개수 n 에대해 n^3의 의 연산량이 필요하다.트릭을 쓰거나 기존모델을 변형해 클래시피케이션을 하면 원래의 장점이 사라진다. # Gaussian Processes Regression : 한 차원의 변수에서, 변수간의 관계에 kerne.. 2014. 11. 13.
Google Glass Develop kit 구글 글래스가 DDMS에 안잡 힐 때.http://stackoverflow.com/questions/20390624/ddms-unable-to-see-google-glass 음 신기하게 기본 GDK 예제들에서 Service를 시작 intent로 지정해버리네.(게임 제외하가ㅗ)그래서 라이프 사이클이 꼬인 것처럼 보이는 구나 이 부분이 시작하는 아이콘 이름을 지정하네. 왜냐하면 기본이 음성명령이라 그런듯.미쳤네.. compass_show의 파일이름을 바꾸면 아무리해도 아이콘이 안뜨네............................gen을지워야하나?------앱 강제종료 기능이 없음.. 그냥 재시작 해야됨.. 카메라 사용시 반드시 마지막에 release를 해주어야 에러가 안남. 안그러면 두 번 째 앱 실행시.. 2014. 10. 2.
Feature Space, Search Space Search Space란, 우리가 최적화 시키고자하는 함수가 그리는 공간을 의미.Feature Space란, 그 Feature(input 변수)들이 그리는 공간의 모양을 의미. 두 데이터의 Feature Space가 같다면, 그 데이터는 같은 모집단에서 나온 같은 종류의 데이터. 2014. 9. 29.
Automata 오토마타란, 단순히 비유하자면 입력과 출력을 가진 '함수'이다.보통 자동 기계라는 말로 표현하며, 특정한 기능을 가진 캠이나 링크 같은 장치도 이에 해당한다. 로봇이나 컴퓨터 공학에서는 자동으로 어떤 일을 처리해주는 함수 내지는 프로그램으로 볼 수 있다. 프로그램으로 치면 어떤 input에 대한 규칙적인 일련의 처리과정을 거쳐 output이 생성되는 것이 바로 오토마타이다. 예를 들어, 10을 더하고, 거기에 3을 곱하는 규칙 또한 오토마타라고 할 수 있다. EX)바람으로 이동하는 로봇 http://virz.net/182 Vaucanson's duck. https://www.youtube.com/watch?v=UoJ0OHWl3b8 2014. 9. 18.
Bootstrapping 고등학교 때, 하나의 샘플이 주어지면 여기서 랜덤하게 반복적으로 데이터를 추출해서 모집단의 성질을 유추하는 기법.Monte Calro Method와 의미적이로 같은 듯. 주어진 작은 샘플 데이터 X에서 모집단을 추정하기위해, 랜덤하게 X에서 데이터를 추출해서 N개만큼 생성함. 이걸 계속 반복해서 L time 하면 결국 N개짜리의 데이터가 L개만큼 생성됨.그러면 X하나만을 이용해서 좀더 모집단에 가까운 예측이 가능하다고함. http://www.welovedoctor.com/1038 2014. 8. 11.
음함수의 미분 음함수의 미분은 모든 변수에대해 미분을 하되, y를 미분한 경우 dy/dx를 생략하지 않고 써주는 개념.(dx/dx는 소거시켜서 쓰지 않을 뿐이다.) http://blog.naver.com/archivekim/90177393798 미방을 푼다 -> y=f(x)꼴로 정리한다. 비선형 미분방정식은 실제문제에선 잘나오지 않는다. 일반해 -> 상수값이 정해지지 않은 식.특수해 -> 일반해에서 상수값이 찾아진 식. 임의의 상수를 초기조건을 대입해서 찾아낸 것. (특수해는 그냥 그 값을 넣었을 때 방정식을 만족하는 y값. 걍 함수가 지나는 좌표가 대입해서 여러 식중에 하나를 고르는 느낌.)특이해 -> 계산해서 얻어진게 아닌 관측으로 알아낸 식. 임의의 상수가 없다. (일반적으로 문제에 나오지는 않음. 그냥 대입해서.. 2014. 8. 10.
Jacobian Matrix, Hessain Matrix output이 1차원 실수인 함수를 n차원 벡터로 미분하면 자코비안(1*n)행렬이 된다.output이 1차원 실수인 함수를 n차원 벡터로 2번 미분하면 헤시안(n*n)행렬이 나온다. (이는 자코비안을 한 다시 n짜리 벡터로 미분한 것과 같다.)(행렬을 벡터가 아닌 스칼라로 미분할 때는 그냥 하나의 변수에 대해 미분하면 된다.) 여기서 맨 오른쪽의 matrix는 함수 f의 output이 1차원 실수일 때는 무시해도 된다.(맨 윗줄만 존재하는 것임.) Jacobian Matrix : 어떤 행렬을 벡터 각각의 변수들로 차례차례 바꿔가면서 한 번 씩 미분한 행렬이다.어떤 행렬의 성분에 대해 첫 번째 줄은 첫 번 째 성분에 대해 모든 변수들로 차례차례 한 번 씩 번갈아가면서 미분. 두 번째 줄은 두 번 째 성분에.. 2014. 8. 6.