Aero-Machine Learning

중심 극한 정리(中心 極限 定理, 영어: central limit theorem, 약자 CLT)는 동일한 확률분포를 가진 독립 확률 변수 n개의 평균의 분포는 n이 적당히 크다면 정규분포에 가까워진다는 정리이다. 이것은 마치 동전 던지기와 비슷하다고 할 수 있는데 콩이 떨어질 때 동전 던지기 처럼 이전의 사건의 영향을 받지 않는 독립 사건이고 무한히 시행했을 때 어떤 정확한 비율로 수렴한다는 것 이었다. 모든 사건의 관찰이 전체 무한대로 계속된다면, 세계의 모든 것이 정확한 비율과 지속적인 변화 법칙에 의해 지배된다는 것을 알 수 있었다. 이에 네크로소프는 대수의 법칙에서 사건의 독립성은 필수적이라고 주장했습니다. 일상 생활에 일어나는 일들은 이전 사건의 영향을 받는 종속사건일 경우가 많습니다. 이에 마..

보호되어 있는 글입니다.

p형에는 정공 농도가 높고 n형에는 depletion 영역이 계속해서 늘어나게 되지만 diffution을 방해하는 electric field가 생성되어 일정 수준에서 diffution이 멈춘다. Forward bias는 위 반도체의 p쪽에 +전압, n쪽에 -전압을 걸어주는 것 입니다. p쪽에 +전압, n쪽에 -전압을 걸어주게 되면 depletion region과는 반대방향으로 E-field가 형성될 것이고, 따라서 두 전기장이 서로 상쇄되어 depletion region의 전기장은 감소된다고 볼 수 있습니다. 전기장이 줄어들게 되면 depletion region의 전기장에 의해 diffusion 되지 않던 p형 반도체의 정공과 n형 반도체의 전자가 다시 diffusion되게 되고 diffusion cur..

보호되어 있는 글입니다.

원래 목표 https://kau-deeperent.tistory.com/46?category=845009 딥러닝을 이용한 출석관리 계획 스터디 진행 2020년 3월 4일 DMC 탐탐 출석관리팀:김정민,박승재,최웅준,최영환,한준희 프로젝트 구체적인 주제 휴대폰 카메라를 통해서 인식한 사진을 기존에 저장되어 있던 DB와 비교하여 출석을 kau-deeperent.tistory.com 프로젝트의 세부 일정과 각 주의 목표 첫 주차 목표: 특징 추출을 통해서 얼굴의 각 부분을 인식 2주 차 목표: 학습한 모델을 가지고 해당 인물을 인식 3주 차 목표: DB 구성 4주 차 목표: 웹 서버 구성 5주 차 목표: 웹을 통한 카메라 제어 6주 차 목표: 테스트 및 보수 https://kau-deeperent.tistor..

보호되어 있는 글입니다.

0.Background 토폴로지(: topology,망구성방식)는 컴퓨터 네트워크의 요소들(링크, 노드 등)을 물리적으로 연결해 놓은 것, 또는 그 연결 방식을 말한다. 로컬 영역 네트워크(LAN)은 물리적 토폴로지와 논리적 토폴로지 둘 다 보여 줄 수 있는 네트워크의 한 예이다. 랜 상의 어떠한 노드도 네트워크 상에서 하나 이상의 다른 노드에 하나 이상의 링크를 갖고 있으며 그래프 상의 이러한 링크와 노드들은 네트워크의 물리적 토폴로지를 잘 설명해 주고 있다. 이와 비슷하게 네트워크 상에서 노드끼리의 데이터 흐름은 네트워크의 논리적 토폴로지를 결정한다. 물리적 토폴로지와 논리적 토폴로지는 특정 네트워크에서 아주 동일할 수도 있고 그렇지 않을 수도 있다. 어떠한 특정한 토폴로지는 노드 사이의 물리적, 논..

Abstract 최근 연구는 두 개의 도메인에 대한 이미지-이미지 변환에서 현저한 성공을 보였습니다. 기존 모델은 scalability and robustness (확장성 및 견고성)이 제한적이며, 서로 다른 모델이 모든 이미지 도메인 쌍에 대해 독립적으로 구축되어야하기 때문이다. StarGAN은 단일 모델 만 사용하여 여러 도메인에 대해 이미지 간 변환을 수행 할 수있는 새롭고 확장 가능하다. 단일 모델 아키텍처는 단일 네트워크 내에서 서로 다른 도메인으로 여러 데이터 세트를 동시에 학습 할 수 있습니다. This leads to StarGAN’s superior qualityoftranslatedimagescomparedtoexistingmodelsas well as the novel capabili..

영상태응답은 시스템이 영상태일 때, 즉 모든 초기조건이 0인 상태일 때 입력 f(t)에 대한 시스템 응답 y(t)를 말한다. 방정식 Q(D)y(y)=P(D)f(t)의 해는 영상태 응답으로만 나타내어진다. 선형시스템이므로 중첩의 원리를 적용해보자 임의의 입력 f(t)=f1(t)+f2(t)+...+fm(t)=∑(i=1~m) fi(t) 응답 y(t) y(t)=y1(t)+y2(t)+...+ym(t)=∑(i=1~m) yi(t) f(t)를 임펄스를 이용하여 나타낸다면 Δτ->0이면 각 펄스들은 그 펄스의 면적과 같은 강도를 갖는 임펄스로 근사화된다. 임펄스는 다음과 같이 나타낼 수 있다. 임의의 입력에 대한 시스템응답은 임펄스응답에 의해 결정되고 임펄스응답은 시스템의 특성모드에 의해 결정된다. h(t)= A0δ(t..