taewan-study-record 님의 블로그

- 본 내용은 "Introduction to Probability, Statistics, and Random Processes" 책 내용을 통해 작성 되었고 [인프런] 확률과 통계 기초(조범희) 강의를 참고해서 작성 되었습니다. 3장에서는 위와 같은 것에 대해서 공부하였고 이 글에서는 Part1 부분을 정리할 것이다.  우선 함수의 표기법은 위와같다. A를 domain 이라고하고 B를 codomain이라고 한다.여기서 A -> B 일때 x가 f(x)에 2개이상 대응되선 안된다.f(x)를 range 혹은 image라고 한다. Discrete Random Variables 예시를 통해서 random variable에 대해서 설명하고자 한다.위와같이 동전을 3번 던지는 경우를 생각해보면 앞면이 나오는 숫자는 ..

- 본 내용은 "Introduction to Probability, Statistics, and Random Processes" 책 내용을 통해 작성 되었고 [인프런] 확률과 통계 기초(조범희) 강의를 참고해서 작성 되었습니다.Unordered 하고 without Replacement (비복원 추출) 인 Sampling 을 우리는 Combination(조합) 이라고한다Combination의 경우 순서가 없기에 (1,2,3) = (3,2,1) 로 생각한다.위의 예 처럼 4개의 element 중에 3개의 sample을 draw 할때 아래와 같이 4개의 경우만 나오는걸 알 수 있다.  Combination을 Permutation을 통해 나타내보면 4P3을 3!로 나눈걸로 생각 할 수있다.  K- Combina..

- 본 내용은 "Introduction to Probability, Statistics, and Random Processes" 책 내용을 통해 작성 되었고 [인프런] 확률과 통계 기초(조범희) 강의를 참고해서 작성 되었습니다. Counting Method 파트에서는 위와 같은 내용에 대해서 공부하였다. 그중 PART I 부분을 먼저 정리 할 것이다. 유한한 sample space에서  모든 sample의 확률이 동등할때 P(A)는 위와 같이 구할 수 있고 |A| 는 A의 cardinality를 의미하기 때문에 단순히 개수를 세는 Couting Problem 이라고 할 수 있다.위와 같은 주사위 문제가 있을때 Sample space는 구할 수 있지만 A는 counting method를 통해서 구할 수 있..

Abstract깊은 neural network는 훈련하기 어렵다. 우리는 훨씬 더 깊은 netrworks의 훈련을 쉽게 하기 위해 Residual Learning(잔차 학습)을 제안한다. 우리는 참조되지 않은 함수를 학습하는 대신 레이어 입력을 참조하여 학습 잔차 함수로 레이어를 명시적으로 재구성한다.=> 기존의 함수로 학습하기 보다 전의 입력값을 참조하여 학습에 활용하는것으로 대신한다. 결과 : ImageNet dataset에서 VGGNet 보다 8배 깊은 152개의 layer를 쌓을 수 있었고 더 적은 복잡도를 가진다.1. IntroductionDeep convolutional neural network가 image classification에서 획기적인 성과를 이루었고, layer 가 증가할 수록 ..

- 본 내용은 "Introduction to Probability, Statistics, and Random Processes" 책 내용을 통해 작성 되었고 [인프런] 확률과 통계 기초(조범희) 강의를 참고해서 작성 되었습니다.오늘 비가올 확률이 0.1 이고 구름이 낄 확률이 0.3 이라고 할때구름이 꼈을때 비가올 확률을 우리는 P(R | C) 를R given C 라고 읽고 이 같은 경우를 Conditional Probability(조건부 확률) 이라고 한다. Conditional Probability 의 예로는 주사위를 던지는 경우를 생각해볼 수 있다.위의 주사위 던지기 예에서도 알 수 있듯이 P(A|B) 는 A,B의 Intersection 의 확률을 B의 확률을 나눠 계산 할 수 있다. 또한 앞에서 ..

- 본 내용은 "Introduction to Probability, Statistics, and Random Processes" 책 내용을 통해 작성 되었고 [인프런] 확률과 통계 기초(조범희) 강의를 참고해서 작성 되었습니다. Random Experiments(무작위 실험)이란 우리가 확실히 예측할 수 없는 결과의 과정이다.모든 가능한 결과의 집합을 우리는 Sample space라고 부른다.아래의 예를 보면 이해가 갈 것이다.  확률에서 Axiom은 위의 3개가 존재한다. event A가 일어날 확률을 P(A) 라고 할때1. 모든 이벤트 A에 대해서 P(A)는 0보다 크다.2. Sample space의 확률은 1이다, P(S) = 13. A1, A2, A3 등의 set들이 disjoint event들일..

- 본 내용은 "Introduction to Probability, Statistics, and Random Processes" 책 내용을 통해 작성 되었고 [인프런] 확률과 통계 기초(조범희) 강의를 참고해서 작성 되었습니다.무작위성이란 어디에나 존재하고 이러한 현상을 분석하고 설명하기위한 mathmetical framework 를 확률 이론이라고 한다. 1장에서는 고등학교 수준의 확률과 통계의 기초에 대해서 다루게 되기 때문에 빠르게 정리하고 넘어 갈 예정이다. set은 집합으로 elements 의 모임을 뜻한다. set은 중복이 없고, 순서가 중요하지 않다.  set의 예이다. 우선 annotation 으로 자연수는 N, 정수는 Z, 유리수는 Q, 실수는 R 이다. Q는 위와 같이 N 과 Z의 집합..

Introduction to Probability, Statistics, and Random Processes 라는 책을 통해서 공부를 진행할 예정이다.이 책과 함께 인프런에 있는 조범희 선생님의 확률과 통계 기초를 참고하여 정리 할 것이다.

그래프는 노드(Node) 와 간선(Edge)로 표현되며 노드를 정점(Vertex) 라고 말한다. 그래프 탐색은 하나의 노드를 시작으로 모든 노드를 방문하는 것을 말하고, 두 노드가 간선으로 연결 되어 있다면, 두 노드는 인접(Adjacent)하다고 한다.너비 우선 탐색(BFS)너비 우선 탐색은 Breadth First Search 로 루트 노드에서 시작하여 인접한 노드를 먼저 탐색하는 방법이다. BFS 에서 노드 탐색 순서는 아래와 같다.이름에서도 알 수 있듯이 깊이가 얕은 노드부터 모두 탐색한뒤 깊이가 깊은 노드를 탐색하는 방법이다.특징- 두 노드 사이의 최단경로(Shortest Path)를 탐색할 때 활용하기 좋은 방식이다.- 선입선출의 특징을 가지고 있는 자료구조인 큐를 활용하여 탐색할 노드의 순서..

그래프는 노드(Node) 와 간선(Edge)로 표현되며 노드를 정점(Vertex) 라고 말한다. 그래프 탐색은 하나의 노드를 시작으로 모든 노드를 방문하는 것을 말하고, 두 노드가 간선으로 연결 되어 있다면, 두 노드는 인접(Adjacent)하다고 한다.깊이 우선 탐색(DFS)깊이 우선 탐색은 Depth First Search 로 루트 노드에서 시작하여 다음 branch 로 넘어가기 전에 해당 branch를 완벽하게 탐색하는 방법이다. DFS 에서 노드 탐색 순서는 아래와 같다.특징- 모든 노드를 탐색해야 할 때 활용하기 좋은 방식이다.- BFS(깊이 우선 탐색) 보다 간단하지만 속도가 느리다.구현 알고리즘1. 루트노드에서 탐색을 시작한다.2. 현재 노드에서 인접하고 방문하지 않은 노드를 방문한다.3. ..