본문 바로가기

분류 전체보기

Neural Network 공부했다. - Multi Layer Neural Network && Autoencoder 지난번에는 Single Layer Neural Network에 대해서 공부하였었다. 93%정도의 놀라운 정확도를 보였지만, 이해할 수 없는 실수들을 하기도 하였다. 오늘은 그 개선을 위해서 Multi Layer Neural Network에 대해서 배우고, Autoencoder를 배우면서 실습도 해본다. 아주 Deep하게 만들지는 않고 중간게 Hidden Layer하나를 추가해 보도록 하자. 이 Hidden Layer에서 Neuron의 개수는 500개로 하기로 한다.(그냥 적당하게 해준 것이라고 한다.) 당연이 구해야 하는 매개변수의 값들도 엄청나게 많아진다. 지난 Single Layer Neural Network에서는 7850개를 구하였는데, 이번에는 무려 397,510개의 매개변수를 찾는다. 아마 연산..
Kalman Filter 공부했다. Monte Carlo Localization에 이어서 이번에는 System을 Estimate하는 또다른 방법에 대해서 배워본다. 바로 Kalman Filter이다. 제어나 SLAM에서 EKF라는 말을 자주 듣곤 하는데, 이는 Extended Kalman Filter의 약자로, 로봇 분야에서는 거의 대부분을 맡고 있는 중요한 개념이다. Tracking에 주로 쓰이는 방법들은 위와 같다고 하는데, 이 세가지 방법들의 차이를 알기 쉽게 그려 놓은 것이 있어서 첨부를 해 본다. 지난번에 배운 Monte Carlo Localization은 discrete한 환경을 가정하고, Multi-Modal이라는 것은 마치 낙타의 혹이 여러개 있는 것처럼 로봇이 존재할 수 있는 후보군들이 여러 곳으로 나올 수 있다는 것이다...
Neural Network 공부했다.- Single Layer Neural Network 추천 시스템과 방법론들을 배우면서 잠시 잊고 있었는지는 모르겠지만, 이 강의의 최종 목표는 귀여운 고양이 사진이 있을 때 이를 '삐빅, 고양이다~' 라고 말해주는 인공지능을 설계하는 것이다. 그래서 지금까지는 그의 일환으로 Linear Regression과 Logistic Regression을 배웠던 것이고, 이번에는 Neural Network를 배우고자 하는 것이다. 강의에서는 들어가기 전에 복습부터 시켜준다. Linear Regression이 무엇이었지?? Data들의 어떠한 경향을 알아내는 것이었다. 그러기 위해서 가설을 세웠고 이것을 Hypothesis라고 불렀다. Linear라는 이름에 걸맞게 이 방법에서는 선형적인 가설을 세웠고, 각 항에 알맞는 매개변수 θ들을 찾는 것이 목표가 되었었다. 그..
C - 구조체 배열을 함수에 사용할 때!! 모든 언어가 그렇지만 C언어는 계속 잊어먹는다. 내가 제대로 익히지 못해서가 제일 크다. 그래서 이번에도 다시 정주행을 하고 있는데, 그 과제를 하면서 생긴 이슈에 대한 기록이다. 123456struct Book { char name[30]; char author[30]; char pub[30]; int borrowed;};cs 도서 관리 프로그램을 짜는것이 목표인데, 우선 이런 Book이라는 구조체를 작성하고 이 Book들이 많이 모여 있는 library라는 배열을 만들었다. -강좌에서 이렇게 시키지는 않았음 이 배열 안에 원소들에 접근해서 결론적으로 각 원소의 멤버들의 값을 바꾸고 싶은게 우리가 원하는 것이다. 그런데 함수로 모듈화를 하면, 포인터로 이 주소값을 넘겨야 하는데 이에 대한 이슈이다. 결..
Machine Learning Methodology & analysis 공부했다 계속해서 AI에서 사용하는 알고리즘들에 대해서 공부를 하고 있는 중이다. 항상 그러하듯이 이론과 실제는 다르다. 내가 좋아하고 자주 듣기도 하는 말이 있는데 바로 '하드웨어는 거짓말을 하지 않는다.'라는 것이다. 여기에서 하드웨어는 컴퓨터 그 자체를 의미하기도 한다. 내가 짠 프로그램이 작동하지 않는다고?? 하드웨어는 거짓말을 하지 않는다. 그냥 내가 잘못한거다!!!! 차치하고, 오늘 배운 내용들은 크게 다음과 같다. ● 데이터셋 나누기● Underfitting / Overfitting● Skewed Classes ● Precision/Recall 데이서셋을 나눈다는 것이 무슨 말인가 하면, 우리가 100개의 데이터를 가지고 있다고 하였을 때, 그것들을 모두 학습하는데 써버린다면, 지금 가지고 있는 데이..
Monte Carlo Robot Localization 파이썬 실습 지난 시간에 이러한 cyclic환경에서 움직이는 로봇에 대해서 배워 보았다. 그럼 이번에는 이를 이용한 실습을 해 보려고 한다. 우선, 가장 간소화한 시스템으로 구성해 볼 것이고, 파이썬을 사용해서 콘솔 프로그래밍을 할 것임을 밝힌다. 이 그림이 기억나는가? 로봇이 빨간색임을 감지한 상황에서 로봇이 어떤 위치에 있을 확률을 구하는 부분이었다. 여기에서 Bayes' Rule을 사용해야 함도 배워 보았다. 그럼 실질적인 코딩을 위해서 이 과정을 알고리즘으로 다시 정립해 본다면, 1. 이전 위치에서의 확률에2. 새로 감지한 색상에 따라서 확률을 각각 곱해준 뒤3. 확률의 합이 1이 되도록 normalizing한다. 이렇게 정리해 볼 수 있을 것이다. 그럼 이를 기반으로 한 다음과 같은 코드가 있을 때 1234..
Recommender System 공부했다. 대뜸 광고하는 것도 아니고, 쇼핑몰 사이트 '쿠팡'의 일부를 왜 올린거지??? 싶을까 싶다. 그런데 이는 오늘 배운 내용 Recommender System과 관련이 깊다. 글자 그대로 해석하면 '추천 시스템'이 되는데 쇼핑몰 사이트를 이용하다 보면, 내가 구입하거나 조회한 상품과 유사도가 높은 다른 제품들을 엮어서 추천을 해주는 경우도 있고, 페이스북 등을 하다 보면 내 친구들이 좋아한 페이지가 뜨면서 나에게도 구독을 요청하는 경우를 심심찮게 볼 수 있다. 이 작업들을 어떤 알바생이 고생하면서 엮어주는 것이 아니고, AI가 해주는 것인데, 오늘은 그 방법에 대해서 공부를 하였다. 출처 : ai-pm alina 이렇게 추천 시스템의 종류들을 분류할 수 있는데 그 중에서도 크게 다음 3 가지를 소개한다. ●..
Monte Carlo Robot Localization 공부했다 앞으로의 포스트는 Udacity에서 무료로 제공하는 Sebastian Thrun 교수의 Probabilistic Robotics 강좌의 공부 내용을 정리한 포스트가 되겠다. 그 목차는 다음과 같다. Lesson 1: Localization (using Histogram Filters)Lesson 2: Kalman FiltersLesson 3: Particle Filters Lesson 4: Search Lesson 5: PID Control Lesson 6: SLAM (Simultaneous Localization And Mapping) 이렇게 기초 강좌가 진행될 예정이다. 필요한 기본 지식은 다음과 같다. 영어확률과 통계에 대한 작은 지식파이썬 프로그래밍 그럼 첫 번째 강좌의 정리로 Monte Carl..

티스토리툴바