분류 전체보기 (430) 썸네일형 리스트형 DB - 8. More SQL statements(3) 1. Deletion - 아래 예시를 보면 salary가 삭제될때마다 평균이 변하는 것 아닌가? 이런 모호한 해석이 가능하다. - 따라서 sql에서는 select문을 미리 실행해서 값으로 결과를 대체하여 해석의 모호성을 해결한다. 2. Insertion - 두번째 예시도 해석의 모호성이 존재한다. 위의 방법과 마찬가지로 select를 먼저 수행해서 값으로 대체한 후 insert를 수행한다. 3. Update - 세번째 예시를 보면 update가 실행되면서 avg가 바뀌는 모호함이 생길 수 있으니 (select avg)를 먼저 확보해서 상수로 대체하고 update가 수행되어야 한다. - 위의 예시에서도 의도대로 작업을 하기 위해서는 구문의 실행 순서가 위에서 아래로 되어야 한다. - case를 사용하면 다.. 영상처리 - 6. Composition, Subtract 단순하게 두 이미지의 rgb 픽셀값을 더해주면 된다 buffer overflow, underflow를 조심하자 컴퓨터 통신 - 11. 오류 복구 1. 오류 복구 - 2계층에서 frame을 보내고 오류를 검출하는 방법까지 알아봤다. - 검출까지는 NIC에서 하드웨어 차원의 작업이지만 이번에는 sw차원에서 오류를 수정하는 방법을 알아본다. - 참고로 비트오류만 존재하는 것이 아니라 frame자체에서 오류가 생길 수도 있다. frame자체 오류가 생기면 수신자가 frame을 수신하는 것 차제가 불가능할 수 있기 때문에 반드시 송신자입장에서의 복구과정도 필요하다. 2. 수신자가 복구 - Forward Error Correction: FEC - 2차원 패리티 같은 오류 수정 코드를 사용한다. - 완벽한 복구는 사실상 어렵다. - 보통은 오류가 발생한 것을 인식하면 재 전송을 요청하지만 전화처럼 순간순간 재전송이 불가능 하다면 오류 수정 코드가 나름 유용할.. 컴퓨터통신 - 10. Framming, 오류검출 1. Framming - 데이터를 끊임없이 계속 보낼 수는 없다. - 따라서 비트들의 연속을 묶음들로(frame) 잘라서 보낸다. - 이때 frame을 보낼때 추가로 처음, 끝 등의 정보들을 추가한다. - 이 작업은 2계층에서 이루어진다. - 1계층에서 신호를 하나씩 bit로 바꾸어 보낸다면 2계층에서는 데이터+헤더로 묶음처리해서 보낸다. 2. Byte Oriented Protocols - frame을 바이트 중심으로 해석하는 방법이다. Sentinel Approach (보초 방법) - syn : 수신자에게 frame 수신을 알리는 문자이다 - soh : 헤더의 시작을 알리는 문자 - stx : body의 시작을 알리는 문자. - etx : body의 끝을 알리는 문자. ByteCounting Appro.. 컴퓨터 통신 - 9. Modulation (디지털데이터->디지털신호) 1. NRZ 인코딩 - Non-return to Zero - 만약 1Mbps로 데이터를 보낸다고 하면 한 비트의 폭은 1msec가 된다. - 이1msec 폭으로 하나의 비트를 보내고 수신자는 그 간격으로 하나의 비트를 인식하는 것이다. - 정확히는 간격의 중간 지점에서 신호를 sampling한다. 따라서 송신자와 수신자 모두 동일한 clock이 유지되어야 한다. - 송신자와 수신자의 clock이 다르면 잘못된 비트를 인식할 수 있다. 즉 송수신자는 반드시 clock이 같아야 한다. 2. NRZI - Non-return to Zero Inverted - 1을 보낼때 현재 신호로부터 중앙지점에서 전이(mid transition)를 하는 방법이다. - 송신자는 NRZ와는 다르게 비트 정보를 알려줌과 동시에 시.. AI - 6. Uncertainty 1. 불확실성 - 현실세계에서 판단을 내릴때 100퍼센트 확실한 전제에 근거하기 매우 어렵다. - 따라서 인공지능에서는 믿음의 정도를 다루기 위해 probability theory에 기대서 표현한다. 2. 조건부 확률 - 사후확률을을 사전확률만 가지고 구할 수 있다. - 단 A와 B가 서로 독립인 사건에 대해서 조건부확률을 베이즈 규칙에 따라 다음과 같이 표현할 수 있다. 3. 베이즈 정리를 추론에 적용 - 전문가 시스템에서 결론을 내릴때 확률을 함께 기입하는 것이다. - 사전에 근거에 따른 가설의 확률을 설정해야 한다. - 만약 근거와 가설이 여러개라면 다음과 같이 표현한다. 4. 확신도 - 매번 확률을 계산하기 너무 힘드니까. 확신도로 전문가들의 신뢰도를 나타낸다. CG - 6. Surface Rendering 1. 최종 색 결정 - 결국 픽셀의 최종 색을 결정할 때, 픽셀마다 phong illumination을 적용하여 값을 도출한다. * illumination의 값은 (R,G,B)로 구성된 vector이다. - 만약 이게 계산량이 너무 많다면 특정 부분들(예를 들면 vertex 혹은 특정 구역의 pixel들)에서 phong illumination을 적용하고 그 중간 픽셀들은 interpolation등의 approximate를 수행한다. - 그럼 특정 구역의 픽셀 혹은 vertex를 선택하냐에 따라 계산의 시간과 결과물이 달라진다. - 여러 methods에 대해 알아보자. 2. Ray casting - 눈으로 보게될 화면의 픽셀들로 ray를 쏜다고 생각하자. - 그럼 그 ray들이 물체에 맺히는 지점들에 대해.. DeepLearning 2-2-1 1. Mini-batch - vectorization으로 for loop 없이 더 빠르고 효율적인 계산이 가능했다 - 그럼에도 불구하고 만약 데이터가 매우 커진다면 한번 gradient descent하는데 whole training set에 대해 학습을 해야 하기 때문에 시간이 많이 걸릴 것이다. - 따라서 매우 큰 training set을 전부다 학습하기 전에 그 과정에서 의미있는 gradient descent를 수행하기 위한 방법으로 minibatch가 있다. - giant training set을 baby training set들로 나눠서 차례로 학습하고 gradient descent를 수행해 나가는 것이다. - 전체 training set을 mini batch로 나누어서 tain을 진행하다가 전체.. 이전 1 ··· 37 38 39 40 41 42 43 ··· 54 다음
