분류 전체보기
-
Understanding FeaturesRobotics/Open CV python 2019. 7. 19. 10:21
Understanding Features Goal 이 단원에서, 우리는 features 가 무엇인지 이해하려고 시도합니다. 왜 이것이 중요하고 코너가 중요한지등에 대해서 공부합니다. Explanation 예 1 : 위 그림에서 패치의 위치를 찾기 위해서 어떻게 해야할까요? A와 B는 평평한 표면이며, 많은 지역에 퍼져 있습니다. 이 패치의 정확한 위치를 찾는 것은 어렵습니다. C와 D는 훨씬 더 간단합니다. 그것들은 건물의 가장자리입니다. 대략적인 위치를 찾을 수 있지만 정확한 위치는 여전히 어렵습니다. 그것은 건물 가장자리를 따라 모든 곳에서 동일하기 때문입니다. 그래서 가장자리는 A에 비해 훨씬 더 나은 기능이지만 충분하지 않습니다. 마지막으로, E와 F는 건물의 일부 코너입니다. 그리고 그들은 쉽게..
-
stft카테고리 없음 2019. 7. 10. 13:15
#STFT 국소 푸리에 변환이라고 하며 FFT 는 시간 차원에서 주파수 차원으로 변환하며 , 어떤 주파수를 얼만큼 가지고 있는지 명백히 보여주지만, 시간의 흐름에 따라서 어느시간대에 주파수가 얼만큼 변했는 지 알기 어려운 단점이 있다. STFT는 신호를 분석하는 강력한 방법이다. 하지만 단점이 없는 것은 아닙니다. STFT의 가장 큰 단점은 초기 신호를 Window length에 따라서 분리시키기 때문에 푸리에 변환에 사용되는 신호의 길이를 감소시키고 이에 따라 주파수 Resolution이 악화되는 것입니다. 그렇다고 Window length를 증가시켜 주파수 Resolution을 향상시켜도 시간에 대한 Resolution은 반대로 악화됩니다. 이러한 주파수와 시간의 Trade off 관계로 인한 Res..
-
RL to RoboticsRobotics 2019. 7. 4. 00:44
Reinforcement Learning for Real-World Robotics Ideas from the literature on RL for real-world robot control towardsdatascience.com RL을 로봇에 적용하는 데에는 많은 어려움이 있으며, 내 생각에는 이들 중 많은 부분을 다음 네 가지 카테고리로 크게 나눌 수 있습니다. Sim2Real: If we wish to train our policies in a simulated environment and then deploy them Reward specification: When playing chess or StarCraft2 the goal is very clear and easily quantified..
-
Edge computing & Cloud computingAI/Edge Computing 2019. 7. 4. 00:21
[엣지 컴퓨팅과 클라우드 컴퓨팅] 중앙컴퓨팅 : 중앙 컴퓨터를 필요로하며, 여러 대의 다른 컴퓨터가 터미널을 통해이 컴퓨터에 액세스 할 수 있습니다. 분산컴퓨팅 : 여러 독립형 컴퓨터 또는 기계를 포함하며 다양한 프로토콜을 통해 서로 통신합니다. 클라우드 컴퓨팅 : 중앙 컴퓨팅의 형식을 지닌다. 사용자가 어디에 있던, 클라우드 서버에 접속해서 처리해야한다. 이는 각 개별기기에서 처리하는 것보다 시간이 오래걸린다. 엣지 컴퓨팅의 등장 : 클라우드 컴퓨팅에서는 다음과 같은 문제가 존재한다. 1) 보안의 문제 : 개인정보를 우선 중앙 컴퓨팅으로 보내는 과정에서 해킹의 가능성이 있으며, 실제 icloud 가 해킹되는 사건이 존재했다. 2) 트래픽, 데이터 전송의 비용 문제 : 로컬의 데이터를 클라우드로 보내는 ..
-
쉘Computer Science/리눅스 2019. 7. 3. 13:21
쉘이란 운영체제와 사용자 사이에 창구 역할을 하는 소프트웨어. 조개껍데기와 같이 사용자와 운영체제 사이에 창구역할 '층'을 형성하기 때문에 쉘이라는 이름이 붙었다. 명령어를 입력받아 이를 해석하여 실행시키는 명령어 처리기 역할을 수행한다. 쉘의 종류 본 쉘 : /bin/sh AT&T 벨연구소의 스티븐 본 에 의해 개발되었고, 1977년에 처음으로 유닉스에 포함되었다. 콘 쉘 : /bin/ksh 본쉘을 확장하여 만들어 졌다. C 쉘 : /bin/csh 쉘의 공통 핵심 기능 위에 c 언어의 특징을 많이 포함하도록 c 쉘이 만들어졌는데 BSD 계열 유닉스에서 많이 사용되었다. Bash 쉘 : /bin/bash GNU 에서 본 쉘을 확장하여 개발한 쉘. 리눅 스 및 맥 OS X 기본 쉘로 채택 되어 널리 보급되..
-
유닉스 / 리눅스 개요Computer Science/리눅스 2019. 6. 27. 11:51
유닉스 / 리눅스 유닉스는 1970년대 초 미국 AT & T 벨 연구소에서 켄 톰슨, 데니스 리치 등에 의해 다중 사용자 운영 체재로 개발되었다. 1990년대 초에 리누스 토르발츠 에 의해 pc 를 위한 운영체제인 리눅스가 개발되었으며, 이후 유닉스 개열의 운영체제들이 지속적으로 출시되었다. 유닉스 계열 운영체제: -안드로이드, -ios, -맥 os x, - 리눅스, - BSD 유닉스, -시스템 V, - Sun 솔라리스, - IBM AIX, - HP HP-UX, - Cray 유니코드 유닉스는 C 언어로 작성되어 이식성 (여러기종의 하드웨어에 이식 가능) 이 좋고, 벨연구소가 유닉스 개발이후 소스코드를 공개하였는데 이때문에 개방성을 지닌다. 유닉스 / 리눅스 시스템 구조 [ref : https://m.bl..
-
[4] DP, MC, TD(0)AI/강화학습 2019. 5. 7. 23:25
Reinforcement Learning : An Introduction - [4] DP, MC, TD(0) Chapter 4. DP, MC, TD(0) Planning & Learning planning 앞서 배운 environment에 대한 model 을 가지고 있는 경우, Markov Decision Process 에 대한 full knowlege 를 가지고 있게 된다. 이를 planning 이라고 하며 MDP 의 정보를 기반한다. learning Learning이란 environment의 model을 모르지만 상호작용을 통해서 문제를 푸는 것을 말합니다. 이중 planning 의 process 는 prediction 과 control 로 이루어진다. Prediction 에서는 value funct..
-
[3] Finite Markov Decision ProcessAI/강화학습 2019. 5. 7. 23:09
Reinforcement Learning : An Introduction - [3] Finite Markov Decision Process Chapter 3. Finite Markov Decision Process Markov Process 마르코브 프로세스란, 시간 연속적인 state series 들이 과거의 state 의 영향을 받는 조건부 확률로 정의됨을 의미합니다. Markov Reward Process 마르코브 프로세스에 reward 의 개념(과 감가상각)을 추가한 것이 마르코브 reward process 입니다. Return : total discount reward 전체 reward를 시간에 따른 감가상각을 포함하여 합산 한 것이 return 입니다. value function : expec..