Full text search for "18"
- 20101105_hdcctv_image_data_path . . . . 3 matches
RSZx_H_DIF('''7Ch''') = 1080*256/720 = 384 (0x180, default = 0x100)
RSZx_V_DIF('''90h''') = 1920*256/1280 = 384 (0x180, default = 0x100)
RSZx_H_DIF('''7Ch''') = 720*256/480 = 384 (0x180, default = 0x100)
- 52hour . . . . 1 match
* 300인 이상 기업은 2018년 7월 1일부터 시행
- AuxCAM . . . . 1 match
이와 같은 일들을 하기 위한 여러가지 연구가 진행 중이다. 검출기 주변에 각종 센서를 설치하여 모니터링을 하고 이 데이터를 [:auxMVC Auxiliary channel data]라고 하고 이를 근거로 노이즈를 분류하는 연구를 진행하였다.[* Rahul Biswas et al. '''Application of machine learning algorithms to the study of noise artifacts in gravitational-wave data''', Phys. Rev. D, 2013, https://arxiv.org/abs/1303.6984] 최근에는 이러한 연구에 기반해서 노이즈원까지도 분석하려는 시도가 있었다.[* Marco et al. '''Finding the origin of noise transients in LIGO data with machine learning''', https://arxiv.org/pdf/1812.05225.pdf]
- Bias_Variance_Tradeoff . . . . 1 match
Gaussian mixture 모델처럼 학습데이터 하나가 \(\theta_i\)를 갖는다. \(\theta_i\) 0에서 1사이의 값을 갖는다. [* http://jaejunyoo.blogspot.com/2018/02/minimizing-negative-log-likelihood-in-kor-3.html]
- ConvTranspose . . . . 1 match
Autoencoder 구현시 사용했던 Pytorch ConvTranspose1d에 대해서 조금 더 자세히 알아보자.[* Santi Pdp, (27 Jul 2018), <https://medium.com/@santi.pdp/how-pytorch-transposed-convs1d-work-a7adac63c4a5>]
- DSC_Depthwise_separable_Convolution . . . . 1 match
일반적인 Convolution 연산에 대해서 생각해 보자.[* https://zzsza.github.io/data/2018/02/23/introduction-convolution/] 위 그림과 같이 \(D_F, D_F, M\) 차원의 입력을 N개의 커널로 합성곱(Convolutional operator)을 수행하게 되면 \(D_G \times D_G \times N\) 크기의 결과를 얻을 수 있다. 이 결과를 얻기 위해서 사용한 weight의 갯수를 생각해 보면 \(D_K \times D_K \times M \times N\)개가 된다.
- FPGA_PSA_Implementation . . . . 1 match
|| 16|| 184 clk|| 114 clk||
- HDCCTV50HZ . . . . 2 matches
volatile Uint8 RSVD18[2];
syscfg->VPSS_CLK_CTRL = 0x00000018;/* use PLL1(27Mhz), enable DAC and VENC */
- HDCCTV_ISIF . . . . 1 match
0x18 SPH Start pixel horizontal
- HDCCTV_조이스틱 . . . . 1 match
syscfg->PINMUX3 &= ~(0x7f << 12); // GIO13 ~ GIO18
- IPNC_EVM3 . . . . 4 matches
MUX_CFG("GPIO36", 4, 18, 3, 0, 0) // TVP5150a_INT
MUX_CFG("GPIO44", 0, 18, 1, 0, 0) // Extra3
MUX_CFG("GPIO36", 4, 18, 3, 0, 0) // TVP5150a_INT
MUX_CFG("GPIO44", 0, 18, 1, 0, 0) // Extra3
- Inception_GoogLeNet . . . . 2 matches
적은 weight로 비슷한 효과를 내어주는 네트워크 구조를 제안하는 것으로 '''Going Deep with Convolutions (Szegedy et al.)'''[* Christian Szegedy et al., '''Going Deeper with Convolutions''',CVPR, 2015, <https://arxiv.org/abs/1409.4842>] 논문에서 Inception model이라는 것을 제안했고 이를 바탕으로 GoogLeNet를 구현하여 ImageNet Large-Scale Visual Recognition Challenge 2014(ILSVRC14)에서 좋은 성적을 보였다.[* 강병규, (17 Jan 2018), <https://kangbk0120.github.io/articles/2018-01/inception-googlenet-review>] 이후 Szegedy et al. (CVPR, 2016)[* Szegedy et al., '''Rethinking the inception architecture for computer vision''', CVPR, 2016, <https://arxiv.org/abs/1512.00567>]을 통해서 Inception V1를 개량한 Inception V2를 거쳐 GoogLeNet을 앞도하는 Inception V3를 만들었다. 3x3 보다 큰 필터는 그보다 더 작은 필터로 효과적으로 표현하는 것을 제안했고 심지어 7x7 필터는 1x7과 7x1 컨볼류션 레이어로 대처하는 것을 제안했다. [* JUNSIK HWANG, (12, Sep, 2017), Inception V3: Transfer Learning, <https://jsideas.net/Inception_v3_transfer_learning/>][* Nicolò Valigi, (10 Oct 2016), Short history of the Inception deep learning architecture, <https://nicolovaligi.com/history-inception-deep-learning-architecture.html>]
- LVC_2018_March_Sonoma . . . . 1 match
March 19-22, 2018
- Linux_device_module_basic . . . . 1 match
#define PCI_DEVICE_ID_XILINX_PCIE 0x6018
- Linux_pci_driver . . . . 13 matches
00:18.0 Host bridge: Advanced Micro Devices [AMD] K8 [Athlon64/Opteron] HyperTransport Technology Configuration
00:18.1 Host bridge: Advanced Micro Devices [AMD] K8 [Athlon64/Opteron] Address Map
00:18.2 Host bridge: Advanced Micro Devices [AMD] K8 [Athlon64/Opteron] DRAM Controller
00:18.3 Host bridge: Advanced Micro Devices [AMD] K8 [Athlon64/Opteron] Miscellaneous Control
0218
├── 0000:00:18.0 -> ../../../devices/pci0000:00/0000:00:18.0
├── 0000:00:18.1 -> ../../../devices/pci0000:00/0000:00:18.1
├── 0000:00:18.2 -> ../../../devices/pci0000:00/0000:00:18.2
├── 0000:00:18.3 -> ../../../devices/pci0000:00/0000:00:18.3
- Linux_ulimit_commandUlimit명령어 . . . . 1 match
http://pchero21.com/918 에서 참조
- List_license라이센스리스트 . . . . 10 matches
Mac IE 1330-0009-2586-6676-4184-6112 ◈ Adobe Flash Professional CS5Win KOR 1302-1009-0108-9151-6518-2673
Mac IE 1302-0008-2307-6538-8818-4323
◈ Adobe Acrobat9Win KOR 1118-1007-6206-0076-2684-0268
Mac KOR 1118-0000-2881-2808-1849-8838
Win IE 1118-1007-6206-0076-2684-0268
Mac IE 1118-0000-2881-2808-1849-8838 ◈ Adobe Illustrator CS5Win KOR 1034-1008-5889-0334-4228-9759
Win IE 1034-1812-9277-6326-9442-8484
- LocalKeywords/CommonWordsKo . . . . 1 match
z018SNWU')
- MCMC_index . . . . 1 match
=0.75*0.014 + 0.11*0.986 = 0.11896 이다.
- MIB . . . . 1 match
||inconsistentName (18) ||You attempted to set a variable, but that attempt failed because the variable was in some kind of inconsistent state ||
- MoniWiki/UserPreferences . . . . 1 match
* 작성일: 2019년 11월 18일
- TechTemplate . . . . 1 match
* 작성일: 2019년 11월 18일
- TechTemplate$ . . . . 1 match
* 작성일: 2019년 11월 18일
- Variational_inference . . . . 1 match
파라메터는 정규분포[* norman3. "3. The Gaussian Distribution". <http://norman3.github.io/prml/docs/chapter02/3_1.html> (18 Dec 2017).]의 파마멘터
- WikiSandBox . . . . 1 match
||<tablewidth="879px" height="180px"> A || B || C ||
- YOLOv8 . . . . 1 match
# https://076923.github.io/posts/Python-opencv-18/
- advaced_VAEs . . . . 3 matches
* 작성일: 2019년 11월 18일
attachment:cvae.png?width=400px&align=center&title='''[[br]]이미지 출처''': ratsgo's blog ''Conditional VAE''[* ratsgo. (28 Jan 2018). <https://ratsgo.github.io/generative%20model/2018/01/28/VAEs/>.]
- altera_opencl_init . . . . 1 match
'''라이센스 우회하는 방법'''[[footnote(http://spherez.blog.me/60180544389 윈도우 버전)]]
- androd_store . . . . 1 match
http://blog.naver.com/birthday0316/110118769543
- ann_exam_part3 . . . . 4 matches
0.0169155665187 309789.406095
0.0158507623685 418653.099945
0.0169155665187 438676.241203
0.0157698259188 266625.158152
- arXiv_1911 . . . . 4 matches
Machine learning techniques have proved to be powerful tools in analyzing complex problems by learning from large example datasets. They have been applied in GW science from as early as 2006 [17] to the study of glitches [6, 12, 13, 18–24] and other problems, such as real-time signal detection [25], signal characterization [26–28], and parameter estimation [29].
머신 러닝 기술은 대규모 예제 데이터 세트에서 학습하여 복잡한 문제를 분석하는 강력한 도구임이 입증되었습니다. 그들은 2006년 초부터 GW 과학에서 글리치[6, 12, 13, 18-24] 및 실시간 신호 감지[25], 신호 특성화[26]와 같은 기타 문제 연구에 적용되었습니다[17]. -28] 및 매개변수 추정 [29].
It should be noted that these features were chosen ad-hoc based on the intuition of what properties of channels’ behavior might be informative. Compared to extracting features from nearby auxiliary transients in various wavelet domains (see e.g. [13, 18]), the method pre- presented here is simpler and requires fewer computational resources, especially when considering the significantly increased dimensionality of the problem addressed here. We believe the simplicity of these features is an advantage of our method, but it is otherwise essentially agnostic to the features chosen here; more descriptive features could potentially improve its performance. We leave this exploration to future work.
이러한 기능은 채널 동작의 어떤 속성이 유익할 수 있는지 직관에 따라 임시로 선택되었다는 점에 유의해야 합니다. 다양한 웨이블릿 영역([13, 18] 참조)에서 근처의 보조 과도 현상에서 특징을 추출하는 것과 비교할 때 여기에 제시된 방법은 더 간단하고 계산 리소스가 더 적게 필요합니다. 특히 여기서 다루는 문제의 차원이 크게 증가한 것을 고려할 때 그렇습니다. 우리는 이러한 기능의 단순성이 우리 방법의 장점이라고 생각하지만, 그렇지 않으면 본질적으로 여기에서 선택한 기능에 불가지론적입니다. 더 설명적인 기능은 잠재적으로 성능을 향상시킬 수 있습니다. 우리는 이 탐색을 향후 작업에 맡깁니다.
- auxcam_job . . . . 1 match
L1_Aux_list.remove('L1:LSC-POPAIR_B_RF18_I_ERR_DQ')
- bandwidth_test . . . . 5 matches
||DDR3-1866J*
DDR3-1866J*
DDR3-1866J*
DDR3-1866J* || 233 || \(4_{2/7}\) || 933 || 1866 || PC3-14900 || 14,933 || 10-10-10
- batch_normalization . . . . 1 match
9 0.0636497512459755 0.0918901339173317
- cl_mem_object_experiment . . . . 2 matches
|| 16MB || 0.8921|| 0.8418|| 0.8932|| 1.2443||
|| 128MB || 1.0813|| 1.2335|| 0.7063|| 1.0918||
- cross_entropy . . . . 6 matches
평균, 기댓값이라고 하면 보통은 어떤 값(변수)에 대한 기댓값만을 생각하는데 함수에 대한 기댓값도 계산할 수 있다.[* Kiho Hong (5 Apr 2017). <https://www.slideshare.net/lovelykihohong/variational-inference-intro-korean-ver>. (16 Jan 2018)]
* 하나의 계(System)가 가지는 '''평균''' 정보량[* kipid's blog (8 Feb 2017). <http://kipid.tistory.com/entry/Entropy> (16 Jun 2018)]
조건부 엔트로피[* admin (17 Jun 2016). <https://datascienceschool.net/view-notebook/d3ecf5cc7027441c8509c0cae7fea088/>. (23 Jan 2018)]는 상관관계가 있는 두 확률변수 X, Y가 있고 X의 값을 안다면 Y의 확률변수가 가질 수 있는 정보의 양을 뜻한다.
* 머신러닝에서 loss function[* Kaka (4 Apr 2017). "Cross-entropy/softmax 정리".<https://kakalabblog.wordpress.com/2017/04/04/cross-entropy-%EC%A0%95%EB%A6%AC/>. (23 Jan 2018)] 으로 사용.
* 분포 p, q의 중간 지점을 잡고 각각에서의 거리의 앞으로 표현했다.[* HyeongMin Lee (15 Mar 2018) <https://hyeongminlee.github.io/post/prob002_kld_jsd/> (4 Apr 2019)]
조영지님의 블로그 발취[* 조영지 (28 Otc 2015). <https://medium.com/@youngji/%EC%B5%9C%EB%8C%80-%EA%B0%80%EB%8A%A5%EB%8F%84-%EB%B0%A9%EB%B2%95-maximum-likelihood-method-a8546e44c1a3>. (1 Jul 2018)]
- cv_report1 . . . . 4 matches
m = sqrt((window_16(3:18,2:17)-window_16(1:16,2:17)).^2 + (window_16(2:17,3:18) - window_16(2:17,1:16)).^2);
theta = atan2((window_16(2:17,3:18) - window_16(2:17,1:16)),((window_16(3:18,2:17) - window_16(1:16,2:17))));
- cv_report3 . . . . 3 matches
ret(:,:,18) = gray(3:size_x-2,3:size_y-2)>gray(4:size_x-1,4:size_y-1);
Optimazation으로 Dynamic programming[* ZeroCho. (2016). "동적 프로그래밍(Dynamic programming)" <https://www.zerocho.com/category/Algorithm/post/584b979a580277001862f182>. (4 Dec 2017)]을 사용하겠다.
- dailynote_01_12_2014 . . . . 1 match
''1802: unauthorized network card is plugged in power off and remove the mini pci network card''
- data_mining_weka . . . . 2 matches
Correctly Classified Instances 10918 99.3268 %
Root relative squared error 29.1806 %
- data_mining_weka2 . . . . 69 matches
5. inv-nodes: 0-2, 3-5, 6-8, 9-11, 12-14, 15-17, 18-20, 21-23, 24-26, 27-29, 30-32, 33-35, 36-39.
2. inv-nodes=0-2 irradiat=no 183 ==> node-caps=no 177 <conf:(0.97)> lift:(1.25) lev:(0.12) [34] conv:(5.85)
6. node-caps=no irradiat=no 188 ==> inv-nodes=0-2 177 <conf:(0.94)> lift:(1.26) lev:(0.13) [36] conv:(4)
Cluster 7: 17,86,1,59,18,11,72,0,100,42,82,90,28,100,0,56
input4 83.7742 92.0187 72.42 87.1373 94.4828 71.9112 96.8861 98.7628 45.6594 79.3802 69.9045
input6 65.5731 79.3586 89.2492 59.7674 87.2201 45.2789 82.2497 79.7556 7.4441 52.1337 30.1859
input10 33.696 64.0665 74.348 5.0738 45.5318 12.4628 19.1842 7.1123 43.718 52.278 19.6357
input14 34.937 8.4428 24.5768 30.715 6.9696 83.22 5.5055 34.6532 94.9183 31.5953 90.8178
187 0 6 235 627 0 0 0 0 0 | 5
Within cluster sum of squared errors: 4930.218161299187
input3 40.6056 63.1747 56.8101 30.2513 21.1534 52.4044 7.2135 46.5415 39.6588 27.5443 18.0476
input6 65.5731 87.2822 79.1983 89.2877 52.1709 59.462 7.5581 81.1823 68.9013 30.649 37.3978
input10 33.696 45.4397 64.1403 74.184 52.2223 5.3162 43.5851 14.3775 1.6953 19.1786 18.3272
input12 34.8265 22.9345 32.8914 50.2877 60.6399 12.7572 83.8351 9.8762 19.0043 54.4187 64.0276
input13 55.0223 52.1994 49.0074 56.1283 72.9285 62.2489 44.0378 44.1815 49.2811 88.7771 40.0707
input16 28.8453 9.5379 3.7985 1.2973 0.0549 22.7013 67.3581 18.0179 82.8863 90.9249 98.1782
236 182 0 0 10 0 0 3 0 624 | 5
Cluster 0: 17.598296,79.113208,47.943396,93.738081,74.865896,83.890241,64.570704,58.301481,54.362548,31.765064,45.950497,19.379184,47.623859,16.104078,60.958815,15.173666,{4929} <0,1,2,3,4,5,6,7,8>
Cluster 1: 70.875673,95.43017,38.313303,84.148777,17.436801,53.72731,18.709905,23.640282,44.12557,12.722752,75.228761,30.117696,71.271032,47.380025,42.721923,43.759635,{2413} <0,1,2,3,4,5,6,7,8,9>
Cluster 2: 67.739286,89.660119,45.351786,85.307143,30.297619,72.066667,57.759524,68.478571,83.867857,66.107738,82.63631,45.808333,55.366667,16.842857,19.180357,2.42619,{1680} <0,1,2,3,4,6,7,8,9>
- deep_learning_transformer_lecture . . . . 1 match
내부의 복잡한 구조를 이해하기에 앞서 직관적인 이해를 돕기 위해 Transformer 모델의 큰 그림을 이해해 보자.[* https://medium.com/@hugmanskj/transformer%EC%9D%98-%ED%81%B0-%EA%B7%B8%EB%A6%BC-%EC%9D%B4%ED%95%B4-%EA%B8%B0%EC%88%A0%EC%A0%81-%EB%B3%B5%EC%9E%A1%ED%95%A8-%EC%97%86%EC%9D%B4-%ED%95%B5%EC%8B%AC-%EC%95%84%EC%9D%B4%EB%94%94%EC%96%B4-%ED%8C%8C%EC%95%85%ED%95%98%EA%B8%B0-5e182a40459d]
- diffusion . . . . 2 matches
https://jayhey.github.io/deep%20learning/2018/02/06/saimese_network/
https://wikidocs.net/151187
- docker_mongodb . . . . 1 match
43798cf18b45: Pull complete
- docker_tutorial . . . . 18 matches
ubuntu 14.04 5ba9dab47459 13 days ago 188.3 MB
ubuntu 14.04.1 5ba9dab47459 13 days ago 188.3 MB
ubuntu latest 5ba9dab47459 13 days ago 188.3 MB
ubuntu trusty 5ba9dab47459 13 days ago 188.3 MB
5ff1d6b1c5db272c3f1a88c96f78146ed48d18848f0a10e6aefa066b462ff5ee
Untagged: 5ff1d6b1c5db272c3f1a88c96f78146ed48d18848f0a10e6aefa066b462ff5ee
Deleted: 5ff1d6b1c5db272c3f1a88c96f78146ed48d18848f0a10e6aefa066b462ff5ee
<none> <none> 520f188e57e2 About a minute ago 220.7 MB
<none> <none> cafeea59170f 2 minutes ago 188.3 MB
ubuntu trusty 5ba9dab47459 13 days ago 188.3 MB
ubuntu 14.04 5ba9dab47459 13 days ago 188.3 MB
ubuntu 14.04.1 5ba9dab47459 13 days ago 188.3 MB
ubuntu latest 5ba9dab47459 13 days ago 188.3 MB
<none> <none> 51a9c7c1f8bb 13 days ago 188.3 MB
<none> <none> 5f92234dcf1e 13 days ago 188.3 MB
<none> <none> 27d47432a69b 13 days ago 188.1 MB
be765df2091093f51a66f315e75d474c1806ac96486d293affec5028e7db5918
- dsp_report . . . . 1 match
https://kr.mathworks.com/matlabcentral/fileexchange/2189-digital-signal-processing-using-matlab?focused=5043614&tab=function
- dsp_report7 . . . . 6 matches
1.96830000000000 1.77147000000000 2.12576400000000 1.91318760000000
1.91318760000000
&=\cfrac{1-\frac{1}{3}z^{-1}+\frac{7}{36}z^{-2}}{1-\frac{5}{12}z^{-1}-\frac{1}{18}^{-2}+\frac{1}{36}z^{-3}},\ \ |z| > (1/3)
y(n)=x(n)-\frac{1}{3}x(n-1) + \frac{7}{36}x(n-2) +\frac{5}{12}y(n-1) + \frac{1}{18}y(n-2) - \frac{1}{36}y(n-3)
b = [0 1 -1/3 7/36]; a = [1 -5/12 -1/18 1/36]; zplane(b,a)
Y(z)&=H(z)X(z)=\left (\cfrac{1-\frac{1}{3}z^{-1}+\frac{7}{36}z^{-2}}{1-\frac{5}{12}z^{-1}-\frac{1}{18}^{-2}+\frac{1}{36}z^{-3}} \right ) \left ( \cfrac{1}{1-0.25z^{-1}} \right),\ |z| > \frac{1}{3} \\
- dsp_report8 . . . . 8 matches
X(e^{j6\pi/4} =& e^{-j6\pi/4}+2e^{-j12\pi/4}+3e^{-j18\pi/4} = -2 - 2j = \tilde{X}(3)) \\
>> magX = abs(X), phaX = angle(X)*180/pi
mag_Xtilde2 = abs(Xtilde2); pha_Xtilde2 = angle(Xtilde2)*180/pi
1. Let \(y_1(n)= \text{IDFS}^{\text{10-point}} \left[ X(e^{j0}), X(e^{j2\pi/10}), X(e^{j4\pi/10}), X(e^{j18\pi/10}) \right]\) which is a 10-point IDFS of ten samples of \(X(e^{jw})\) on the unit circle Thus
mag_Xk = abs(Xk); pha_Xk = angle(Xk)*180/pi;
set(gca,’YTick’,[-180;-90;0;90;180],’fontsize’,8);
mag_X = abs(X); pha_X = angle(X)*180/pi;
- earthquakeWithAI . . . . 5 matches
출처 : http://it.chosun.com/site/data/html_dir/2018/01/01/2018010185010.html
[1] Phoebe M. R. DeVries, Fernanda Vi ́egas, Martin Wattenberg, and Bren-dan J. Meade. '''Deep learning of aftershock patterns following large earth-quakes'''.Nature, 560(7720):632–634, 2018.
[2] Thibaut Perol, Michaël Gharbi, Marine Denolle, '''Convolutional neural network for earthquake detection and location''', Science Advances Vol. 4, no. 2, e1700578, 14 Feb 2018
- fastapi_project . . . . 2 matches
start_date = "2024-12-04T18:11:50"
end_date = "2024-12-04T18:41:51"
- fpga_fft_structure . . . . 108 matches
signal sinROM : rom_type1:= (X"3feffe9cb44b519c", X"3feffa72effef757", X"3feff3830f8d575e", X"3fefe9cdad01883a", X"3fefdd539ff1f457", X"3fefce15fd6da679", X"3fefbc1617e4418c", X"3fefa7557f08a516",
X"3fd993716141bde1", X"3fd87de2a6aea968", X"3fd766340f2418d7", X"3fd64c7ddd3f27bf", X"3fd530d880af3c31", X"3fd4135c941765fa", X"3fd2f422daec039d", X"3fd1d3443f4cdb2c", X"3fd0b0d9cfdbdb99",
X"bfcfdcdc1adfee18", X"bfd111d262b1f6a7", X"bfd233bbabc3bb87", X"bfd35410c2e18140", X"bfd472b8a557106c", X"bfd58f9a75ab1fdf", X"bfd6aa9d7dc77e34", X"bfd7c3a9311dccdf", X"bfd8daa52ec8a4cf",
X"bfe19d5a09f2b9b9", X"bfe21a799933eb6a", X"bfe2960727629cac", X"bfe30ff7fce17045", X"bfe3884185dfeb27", X"bfe3fed9534556e4", X"bfe473b51b98734b", X"bfe4e6cabbe3e5e4", X"bfe558103897513e",
X"bfe5c77bbe65018d", X"bfe63503a31c1bf3", X"bfe6a09e667f3bc7", X"bfe70a42b3176d86", X"bfe771e75f037264", X"bfe7d7836cc33dbb", X"bfe83b0e0bff9774", X"bfe89c7e9a4dd4b9", X"bfe8fbcca3ef9412",
X"bfec38b2f180bdbb", X"bfec7e8e52233cf5", X"bfecc1f0f3fcfc5f", X"bfed02d4feb2bd98", X"bfed4134d14dc934", X"bfed7d0b02b8ed02", X"bfedb6526238a09e", X"bfeded05f7de47dc", X"bfee212104f686e7",
X"bfe91b166fd49da0", X"bfe8bc806b151741", X"bfe85bc51ae958cd", X"bfe7f8ece357176e", X"bfe79400574f55e5", X"bfe72d0837efff8e", X"bfe6c40d73c1826f", X"bfe6591925f07837", X"bfe5ec3495837071",
X"3fb787586a5d5b85", X"3fbc3785c79ec2d3", X"3fc072a047ba8318", X"3fc2c8106e8e6145", X"3fc51bdf8597c5f7", X"3fc76dd9de50bf34", X"3fc9bdcbf2dc436b", X"3fcc0b826a7e4f6c", X"3fce56ca1e101a38",
X"3fd04fb80e37fdc8", X"3fd172a0d776518a", X"3fd294062ed59f26", X"3fd3b3cefa0414b9", X"3fd4d1e24278e76e", X"3fd5ee27379ea68e", X"3fd7088530fa459c", X"3fd820e3b04eaad2", X"3fd9372a63bc93e8",
X"3fe5ec3495837071", X"3fe6591925f07840", X"3fe6c40d73c18278", X"3fe72d0837efff97", X"3fe79400574f55e5", X"3fe7f8ece3571777", X"3fe85bc51ae958cd", X"3fe8bc806b15174a", X"3fe91b166fd49da9",
X"3fee212104f686de", X"3feded05f7de47d3", X"3fedb6526238a09e", X"3fed7d0b02b8ecf9", X"3fed4134d14dc93d", X"3fed02d4feb2bd8f", X"3fecc1f0f3fcfc5f", X"3fec7e8e52233cf5", X"3fec38b2f180bdb2",
X"3fe8fbcca3ef9409", X"3fe89c7e9a4dd4a7", X"3fe83b0e0bff976b", X"3fe7d7836cc33da9", X"3fe771e75f03725b", X"3fe70a42b3176d74", X"3fe6a09e667f3bc7", X"3fe63503a31c1bea", X"3fe5c77bbe65018d",
X"3fe558103897513e", X"3fe4e6cabbe3e5ed", X"3fe473b51b98734b", X"3fe3fed9534556d2", X"3fe3884185dfeb1e", X"3fe30ff7fce17033", X"3fe2960727629ca3", X"3fe21a799933eb4f", X"3fe19d5a09f2b9b0",
X"3fd8daa52ec8a499", X"3fd7c3a9311dcccd", X"3fd6aa9d7dc77e22", X"3fd58f9a75ab1fdf", X"3fd472b8a557105a", X"3fd35410c2e18152", X"3fd233bbabc3bb75", X"3fd111d262b1f671", X"3fcfdcdc1adfedf4",
X"bfec678b3488739d", X"bfecabc169a0b8ff", X"bfeced7af43cc771", X"bfed2cb220e0efa1", X"bfed696173c9e68d", X"bfeda383a966898e", X"bfeddb13b6ccc23d", X"bfee100cca2980ae", X"bfee426a4b2bc185",
X"bfefa7557f08a516", X"bfefbc1617e4418c", X"bfefce15fd6da679", X"bfefdd539ff1f457", X"bfefe9cdad01883a", X"bfeff3830f8d575e", X"bfeffa72effef760", X"bfeffe9cb44b519c", X"bff0000000000000",
X"bfeffe9cb44b519c", X"bfeffa72effef757", X"bfeff3830f8d575e", X"bfefe9cdad01883a", X"bfefdd539ff1f457", X"bfefce15fd6da679", X"bfefbc1617e4418c", X"bfefa7557f08a516", X"bfef8fd5ffae41df",
X"bfd87de2a6aea968", X"bfd766340f2418fb", X"bfd64c7ddd3f27bf", X"bfd530d880af3c1f", X"bfd4135c941765fa", X"bfd2f422daec0379", X"bfd1d3443f4cdb2c", X"bfd0b0d9cfdbdb87", X"bfcf19f97b215efb",
X"3fd111d262b1f683", X"3fd233bbabc3bb75", X"3fd35410c2e18164", X"3fd472b8a557105a", X"3fd58f9a75ab1fdf", X"3fd6aa9d7dc77e22", X"3fd7c3a9311dccf1", X"3fd8daa52ec8a4bd", X"3fd9ef7943a8ed8c",
X"3fe21a799933eb61", X"3fe2960727629cac", X"3fe30ff7fce17033", X"3fe3884185dfeb27", X"3fe3fed9534556db", X"3fe473b51b98734b", X"3fe4e6cabbe3e5ed", X"3fe558103897513e", X"3fe5c77bbe65018d",
- grad_cam . . . . 2 matches
초기 인공신경망 및 딥러닝에서는 네트워크 모델을 블랙박스로 표현하며 해석불가능한 것으로 치부했다. 이때문에 Deterministic한 해석을 하는 사람들로 부터 공격을 받았다. 하지만 더 이상 네트워크 모델은 블랙박스가 아니다. 딥러닝의 역사가 길지 않은 것을 감안하면 비교적 오래 전부터 네트워크 모델과 그 모델의 결과 도출 과정을 설명하려는 연구(Zeiler, Fergus et al., 2013)[* M. D. Zeiler and R. Fergus, “''Visualizing and understanding convolutional networks''”, in European conference on computer vision. '''Springer''', 2014 <https://arxiv.org/abs/1311.2901>][* http://cs231n.github.io/convolutional-networks/]는 꾸준히 있어왔다. 여러 가지 시도중 CNN기반으로 Multi-Class Classification의 Prediction의 원인(근거)을 해석하는 방법으로 '''GAP(Global Average Pooling)'''[* ''Min Lin, Qiang Chen, Shuicheng Yan.'' '''"Network In Network"'''. 4 Mar 2014. <https://arxiv.org/pdf/1312.4400.pdf>]를 도입해서 Prediction에 기여를 한 feature map을 계산하는 연구인 CAM(Class Activation Mapping)[* ''Bolei Zhou et al.'' '''"Learning Deep Features for Discriminative Localization"'''. CVPR (2016) <http://cnnlocalization.csail.mit.edu/Zhou_Learning_Deep_Features_CVPR_2016_paper.pdf>]과 이로부터 파생되어 GAP구조를 제거하고 일반화한 '''Grad-CAM'''[* ''Ramprasaath R. Selvaraju ea al.'' '''"Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization"''', (ICCV), 2017, pp. 618-626 <http://openaccess.thecvf.com/content_ICCV_2017/papers/Selvaraju_Grad-CAM_Visual_Explanations_ICCV_2017_paper.pdf>][* <https://arxiv.org/pdf/1610.02391.pdf>]과 이를 더욱 발전시킨 '''Grad-CAM++'''[* ''Aditya Chattopadhyay'', ''Anirban Sarkar'', "'''Grad-CAM++: Improved Visual Explanations for Deep Convolutional Networks'''", <https://arxiv.org/pdf/1710.11063.pdf>]에 대해서 알아보고자 한다.
\alpha_{ij}^{kc} = \cfrac{\derivateC}{2\derivateC + \derivateF} \tag{18}
- gstreamer . . . . 1 match
https://forums.developer.nvidia.com/t/openvcv-gstreamer-python-camera-capture-access-and-streaming-to-rtp/182207
- history_computer . . . . 6 matches
= 1800년대 =
== 1823 - 배비지(영국) ==
== 1833 - 배비지(영국) ==
== 1854 - 불(영국) ==
== 1889 - 홀러리스(미국) ==
* 1800여개의 진공관을 사용 무게 약 30톤
- iir_filter . . . . 2 matches
-6.1390798418E+00, 2.3631076750E+00, -4.0623554819E-01
-6.1390798418E+00, 2.3631076750E+00, -4.0623554819E-01
- isb_olaf_server . . . . 1 match
HostName 203.247.189.150
- jeju_travel . . . . 4 matches
[https://www.google.co.kr/maps/place/%EA%B5%AD%EC%88%98%EB%A7%88%EC%94%B8/@33.5109002,126.5180953,16.75z/data=!4m5!3m4!1s0x350ce4aacfcadea5:0x38a7027141c0d8a!8m2!3d33.5109541!4d126.520889?hl=ko 국수마씸]
[https://www.google.co.kr/maps/place/%EC%89%AC%EB%A6%BC%ED%94%84+%EB%B0%95%EC%8A%A4/@33.5243749,126.8423829,13z/data=!4m5!3m4!1s0x350d165c8d046181:0xe3f050a9b6c8f58!8m2!3d33.5243749!4d126.8423829!6m1!1e1?hl=ko 쉬프림 박스]
[https://www.google.co.kr/maps/place/%EC%A0%9C%EC%A3%BC%EC%8A%AC%EB%A1%9C%EB%B9%84/@33.4817714,126.1612167,10.5z/data=!4m5!3m4!1s0x350cf44d0329f12f:0x69c127a9156d80d3!8m2!3d33.4640186!4d126.3202305?hl=ko 제주 슬로비]
[https://www.google.co.kr/maps/place/%ED%98%91%EC%9E%AC%ED%95%B4%EB%B3%80/@33.3850447,126.2359242,14.75z/data=!4m8!1m2!2m1!1z7ZiR7J6sIO2VtOyImOyaleyepQ!3m4!1s0x350c6129e9183f75:0x653644d15f2c97c8!8m2!3d33.393962!4d126.2390984?hl=ko 협재 해수욕장]
- kisti_glogus_enigma . . . . 1 match
[######------------------------------] 18% Enable Apache sites Enabling site tls-mod-globus.
- layer_wise_relevance_propatation . . . . 1 match
인공신경망 내지 딥러닝의 동작을 이해하기 위한 연구들은 크게 두 가지로 분류할 수 있다. 첫 번째는 모델 자체를 해석하는 연구이고, 두 번째는 "외 그런 결정을 내렸는지"에 대한 연구이다. [* 공돌이의 수학정리노트. (18 Aug 2019). <https://angeloyeo.github.io/2019/08/17/Layerwise_Relevance_Propagation.html>. (7 Nov 2019).]
- linux_ssh_keygen . . . . 1 match
https://www.nemonein.xyz/2018/10/1124/
- linux_ulimit_command . . . . 1 match
http://pchero21.com/918 에서 참조
- llm_chatbot . . . . 1 match
https://medium.com/@craftsangjae/llm-agent%EB%A5%BC-%EB%A7%8C%EB%93%9C%EB%8A%94-%EC%97%AC%EC%A0%95-1-llm%EC%9D%98-%EB%8B%B5%EB%B3%80%EC%9D%84-%EC%A0%95%ED%98%95%ED%99%94%ED%95%98%EA%B8%B0-18070f37a745
- math_complex_analsys . . . . 13 matches
복소 함수론의 시작과 끝이며 가장 중요한 정리는 다음 식 (1)에 제시한 '''코쉬의 적분 정리'''(''Cauchy's integral theorem'')이다. 이 정리는 복소 함수론을 만든 수학자 '''코쉬'''(''Augustin-Louis Cauchy'')가 1814년에 제안하고 1825년에 증명했다[* A.-L. Cauchy, "Mémoire sur les intégrales définies prises entre des limites imaginaires (Memorandum on definite integrals taken between imaginary limits)," Académie des Sciences, Feb. 28, 1825.]. 자, 그럼 복소 함수론의 아름다움을 느낄 수 있는 다음 식을 보자.
식 (6)은 복소 함수론에서 매우 중요하기 때문에 이름도 붙어있다. 바로 '''코쉬-리만 방정식'''(Cauchy-Riemann equation)이다[* B. Riemann, Grundlagen für eine allgemeine Theorie der Functionen einer veränderlichen complexen Grösse (Foundations for a General Theory of Functions of One Variable Size Complex Number), Inaugural Dissertation, Göttingen, Dec. 1851.]. 코쉬-리만 방정식은 리만(Bernhard Riemann)의 박사학위 논문[1]에 처음 등장한다. 이토록 중요한 방정식을 스물다섯살 청년 리만이 제안했다는 것이 놀랍다. 박사학위 지도교수인 가우스(Carl Friedrich Gauss)가 입이 닳도록 칭찬한 논문이 리만의 박사논문이다. 성격 자체가 까칠한 가우스가 리만을 칭찬한 것 자체가 리만의 위대성을 나타낸다. 수학책에도 나오는 데데킨트(Richard Dedekind)는 가우스의 마지막 제자였다. 하지만 가우스 교수는 리만 학생과 비슷한 시기에 심사를 받은 데데킨트 학생의 논문에는 별다른 평을 하지 않았다. 그만큼 수준 차이가 났다는 뜻이다. 그도 그럴 것이 리만의 논문에는 코쉬-리만 방정식, 가지 자름(branch cut) 방법, 등각 사상(等角寫像, conformal mapping), 리만 표면(Riemann surface) 등이 있었다. 리만은 코쉬의 복소 함수론을 기하학(geometry)적 관점으로 새롭게 봤다. 이 점을 가우스가 높게 본 것이다.
이상 소개한 코쉬-리만 방정식과 코쉬의 적분 정리를 바탕으로 복소 함수론의 다양한 정리들을 증명해보자. 식 (1)의 코쉬 적분 정리로부터 직접 유도가 되는 유수 정리(residue theorem)를 먼저 살펴보자. 유수 정리는 코쉬가 1831년에 증명했다. 하지만 유수(留數, residue)라는 말은 코쉬가 이미 1826년에 제안했었다.
f(z) = \sum_{m=-\infty}^{\infty} a_m(z-z_0)^m \tag{18}
식 (18)은 테일러 급수와 비슷하지만 시작점이 0이 아닌 음의 무한대이다. 식 (18)과 같은 급수는 제안자 로랑(Pierre Alphonse Laurent)의 이름을 따서 '''로랑 급수'''(Laurent series)라고 한다.
유수 정리를 이용하면 다음에 있는 다양한 공식들을 증명할 수 있다. 먼저 코쉬가 유수 정리와 함께 1831년에 증명한 코쉬의 적분 공식을 보자.
여기서 반전 한가지. 식 (1)의 제안자는 분명히 大수학자 코쉬이다. 하지만 식 (1)의 최초 발견자는 가우스(Carl Friedrich Gauss)이다. 가우스 사후에 재발견된 그의 학술 일기[* ''C. F. Gauss and F. Klein, Gauss' wissenschaftliches Tagebuch: 1796 - 1814 (Gauss' Scientific Diary: 1796-1814), Teubner, 1903.''](19쪽, 146항목)에 식 (1)이 나온다. 코쉬 입장에서는 황당할 것이다. 이 아름다운 정리의 최초 발견자가 자기가 아니라니... 코쉬에게 위로의 말을 하자면, 가우스의 결벽증으로 인해 심한 정신적 피해를 본 수학자가 한둘이 아니라는 것이다. 사원수(四元數, quaternion)를 제안한 해밀턴(Sir William Rowan Hamilton)도 최초 발견자가 아니며 비유클리드 기하학(non-Euclidean geometry)의 제안자인 보이아이(János Bolyai)와 로바체프스키(Nikolai Ivanovich Lobachevsky)도 최초가 아니다. 모두 가우스가 먼저 한 일이다.
학술 일기는 아주 개인적인 일기이기 때문에 가우스가 공개적으로 발표하지 않았지만 그의 사후인 1897년에 재발견된 후 수학자 클라인(Felix Klein)이 주석을 붙여 1903년에 출판했다\(^{[3]}\). 가우스의 학술 일기에는 정수론(number theory), 무한 급수(infinite series), 복소 함수론(complex analysis), 사원수, 비유클리드 기하학 등과 같은 당시 수학 이론을 훨씬 뛰어넘는 다양한 내용들이 들어있다. 하지만 이 모든 것들이 라틴어로 함축되어 쓰여 있고 어떤 항목들은 암호처럼 기술되어 있기 때문에 가우스의 학술 일기에는 이해 못할 부분들이 아직까지도 많다.
- math_log_history . . . . 5 matches
우리들이 알고 사용하는 수는 18세기를 기준으로 많은 변화가 있었다.
18세기 이전에도 이런 명칭은 있었으나, 조부터 10의 8제곱씩 늘어나 무량수는 1에 0을 무려 128개를 붙인 10의 128제곱수가 되었다. 반면에 작은 수도 소수 한자리를 분, 소수 이하 두 자리 수는 리 이고, ''호, 사, 홀, 미, 섬, 사, 진, 애, 묘, 막'', 순서이고 다음 수인 모호는 소수점 이하 13자리수를 의미한다. 그리고 다음으로 준순, 수유, 순식, 탄지, 찰라, 육덕, 허공, 청정 까지가 있다. 우리가 잘 사용하는 말인 순식간이라는 순식은 소수이하 16자리수를 말하며, 찰라 는 소수 이하 18자리 수, 허공은 소수 이하 20자리 수, 청정은 소수이하 21자리수를 말한다. 물론 18세기 이전에는 청정이 없는 대신 정이라는 소수이하 128자리까지 큰 수와 같은 수가 대칭적으로 있었다.
하지만, 실용주의 사상이 들어온 18세기 이후 이렇게 큰 수나 적은 수는 실질적인 의미가 없다는 생각으로 많이 축소되어 버렸다. 이렇게 엄청나게 크거나 작은 수를 실제로 계산되는 방법이 있는가? 또 이런 계산이 우리 생활에 실제로 응용이 되는가? 그 답은 모두 그렇다 이다. 수학자들은 이런 엄청난 큰 수를 쉽게 계산하는 방법을 고심하였고, 이런 계산법이 나왔으며, 이런 큰 수나 작은 수를 계산하기 위한 방법으로 고안된 것이 이른바 '''로그'''(''log'') 계산법이다.
- metamaterial . . . . 1 match
[1] 역학 메타물질: 연구동향과 전망, 대한기계학회, 이진우 교수(아주대), 기계저널 2018. 7., 58, No. 7
- multi_GPU_pytorch . . . . 1 match
NLP분야에서도 2018년 BERT 기점으로 큰 데이터셋에 큰 모델을 사용하여 성능을 높이는 방향으로 연구가 진행되었다.
- nextcloud_installation . . . . 2 matches
$wget https://download.nextcloud.com/server/releases/nextcloud-18.0.0.zip
$unzip nextcloud-18.0.0.zip
- nims_rule . . . . 11 matches
개정 2018. 3. 8. 규정 제 74 호
① 소장 밑에 산업수학연구본부장(이하 “연구본부장”이라 한다), 경영관리부장, 정책평가실장을 두어 소장의 연구업무와 경영업무를 보좌하게 한다. (개정 2016.1.4., 2017.1.23., 2018.3.8.)
② 연구본부장은 소장의 연구기술에 관한 직무를 보좌하며, 산업수학센터, 산업수학전략연구부와 산업수학기반연구부를 두고 산업 수학 분야 연구, 산업 및 공공 문제 발굴 및 해결, 산학연 교류 및 산업수학 대중화에 주력한다. (개정 2016.1.4., 2017.1.23., 2018.3.8.)
③ 삭제 (2018.3.8.)
⑤ 경영관리부는 소장의 기관경영 관련 행정 제반업무를 보좌한다. (개정 2018.3.8.)
⑥ 정책평가실은 정책, 평가, 대외협력 업무 수행 등을 통해 소장 직무의 효율성 제고를 담당한다. (신설 2018.3.8.)
제 8 조 (하부조직) 연구부, 센터, 실에 분야별 또는 기능별로 하위 센터, 팀 또는 전담을 운영할 수 있다. (개정 2018.3.8.)
② 소장이 지명하지 아니하였을 때에는 산업수학센터장, 산업수학전략연구부장, 산업수학기반연구부장의 직제 순위에 따라 소장 직무를 대행한다. (개정 2016.1.4., 2017.1.23., 2018.3.8.)
제 18 조 (권한의 위임)
부 칙 (개정 `18. 3. 8.)
제 18 조 (퇴직 또는 휴직된 자의 사무인계 등을 위한 여비) 사무인계 또는 잔무정리 등을 위하여 퇴직 또는 휴직된 자에게 출장을 명하였을 때에는 그 해당직급에 상당하는 여비를 지급할 수 있다.
- notebook_lenovo_e145 . . . . 1 match
== USB D-link DWA-182 C1 ==
- notion_api . . . . 1 match
Notion을 사용하다보면 자동화와 약간의 프로그래밍이 필요하다는 생각이 들어서 찾아보니 비공식 API이지만 notion-py[* https://butter-shower.tistory.com/189]라는 python api가 있음을 알았다.
- numerical_analysis_note . . . . 2 matches
'''정리 3.1)''' 와이어스트라스[* Karl Weierstrass (1815~1897) ) is often referred to as the father of modern analysis because of his insistence on rigor in the demonstration of mathematical results. He was instrumental in developing tests for convergence of series, and determining ways to rigorously define irrational numbers. He was the first to demonstrate that a function could be everywhere continuous but nowhere differentiable, a result that shocked some of his contemporaries.] 다항식 근사 정리(Weierstrass Approximation Theorem)
- odroid_index . . . . 5 matches
이미지를 받으면 xz로 압축되어 있는데 ''unxz ubuntu-18.04.1-3.10-minimal-odroid-c1-20180802.img.xz''와 같이 압축을 풀어 줍니다. 압축이 풀리면 '''.img''' 파일이 생성됨.
$ sudo dd if=ubuntu-18.04.1-3.10-minimal-odroid-c1-20180802.img of=/dev/.... bs=1M conv=fsync
255 heads, 63 sectors/track, 31130 cylinders, total 500118192 sectors
- p_value . . . . 1 match
3. http://www.nature.com/news/how-scientists-fool-themselves-and-how-they-can-stop-1.18517
- pci_express_spec . . . . 1 match
== 6.18. Latency Tolerance Reporting (LTR) Mechanism ==
- pyqt_programming_index . . . . 1 match
https://m.blog.naver.com/jsk6824/221800307851 키보드 감지 및 pyautogui 메크로
- python_qt5_cv2_yolo . . . . 3 matches
painter.setPen(QPen(QColor(180, 180, 180), 1)) # 회색
- python_re . . . . 1 match
정규표현을 이요한 문자열 처리를 도와주는 re 모듈을 사용하는 방법에 대해서 알아보자.[* https://engineer-mole.tistory.com/189]
- pytorch_multiGPU . . . . 1 match
Pytorch를 활용해서 Multi GPU 환경에서 GPU를 100% 활용하기 위한 방법에 대한 자세한 시도[* 당근마켓 팀블러그, Mattew, (mar 28, 2019) <https://medium.com/daangn/pytorch-multi-gpu-%ED%95%99%EC%8A%B5-%EC%A0%9C%EB%8C%80%EB%A1%9C-%ED%95%98%EA%B8%B0-27270617936b>]가 있어서 2020년 2월 18일 기준 PyTorch version 1.4.0에서 어떻게 동작하는지 알아보자.
- qt_programming_index . . . . 1 match
https://appia.tistory.com/274?category=867518
- raspberry_Grafana . . . . 1 match
https://blog.naver.com/PostView.nhn?blogId=endearment&logNo=221184563503
- raspberry_Yemigo . . . . 1 match
*send.mx.cdnetwo 125.185.190.74 2 u 22 64 1 4.1731 -0.7120 1.1937
- raspberry_pi_dht22 . . . . 6 matches
+send.mx.cdnetwo 125.185.190.74 2 u 63 64 177 7.3757 -0.7184 2.0671
*193.123.243.2 125.185.190.74 2 u 63 64 177 5.4737 -0.6296 2.1005
| 17 | 0 | GPIO. 0 | IN | 0 | 11 || 12 | 0 | IN | GPIO. 1 | 1 | 18 |
| | | 3.3v | | | 17 || 18 | 0 | IN | GPIO. 5 | 5 | 24 |
https://blog.naver.com/PostView.naver?blogId=emperonics&logNo=221821487830
- raspberry_pi_mqtt . . . . 1 match
self.mqttc.connect('192.168.0.8', 1883)
- raspberry_pi_ntp_server . . . . 9 matches
GPS 모듈은 3.3v의 전원을 사용한다. 라즈베리파이에 3.3v 전원부와 GND를 연결하고 시리얼통신을 이용하기 위해서 라즈베리파이의 GPIO14,15에 해당하는 UART rx, tx를 교차하여 연결해준다. 마지막으로 PPS는 Pulse per second 신로를 내여주는 선으로 1초에 한번씩 전기적인 신호를 주는 선이다. 이것은 GPIO18 혹은 24번을 이용해서 연결하는데 여기서는 24번을 이용해서 연결하도록 하겠다.
source 0 - assert 1618799061.999999504, sequence: 882184 - clear 0.000000000, sequence: 0
source 0 - assert 1618799062.999999305, sequence: 882185 - clear 0.000000000, sequence: 0
source 0 - assert 1618799063.999997231, sequence: 882186 - clear 0.000000000, sequence: 0
source 0 - assert 1618799064.999996827, sequence: 882187 - clear 0.000000000, sequence: 0
- raspberry_sensor_installation . . . . 3 matches
+send.mx.cdnetwo 125.185.190.74 2 u 63 64 177 7.3757 -0.7184 2.0671
*193.123.243.2 125.185.190.74 2 u 63 64 177 5.4737 -0.6296 2.1005
- raspberry_wireguard . . . . 3 matches
ListenPort = 51830
Endpoint = 1.245.146.28:51830
Endpoint = 1.245.146.28:51830
- raspberrypi4 . . . . 1 match
https://www.lesstif.com/lpt/ubuntu-netplan-ip-static-ip-config-61899302.html
- roc_curves . . . . 1 match
#print "%i, %.18e" % (i, tmp)
- rust_language . . . . 1 match
* 스마트 포인트 [* https://m.blog.naver.com/sssang97/221608086218]
- snucl_install_work . . . . 1 match
설치 파일은 서울대 snucl 사이트[[footnote(http://aces.snu.ac.kr/Center_for_Manycore_Programming/SnuCL.html)]]에 정보를 남기면 메일[[footnote(http://aces.snu.ac.kr/download.php?p=snucl&ver=1.2b&email=o1185@naver.com)]]로 온다.
- software_raid_mdadm . . . . 2 matches
[* 영파링. <https://noanswercode.tistory.com/18> (31 May 2018).]
- stock_study . . . . 3 matches
[* https://kakao777.tistory.com/1800]
전환사채(18억 규모, 발행가액 1,537원, 1,171,112주), 2020년 8월 5일 상장
http://m.newsway.co.kr/news/view?tp=1&ud=2019111309445189131
- ternsorflow_with_tersorRT . . . . 2 matches
`sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.168-418.67_1.0-1_amd64.deb`
- test . . . . 7 matches
AllowedIPs = 0.0.0.0/1, 128.0.0.0/3, 160.0.0.0/5, 168.0.0.0/6, 172.0.0.0/12, 172.16.0.0/16, 172.17.0.0/23, 172.17.2.0/24, 172.17.4.0/22, 172.17.8.0/21, 172.17.16.0/20, 172.17.32.0/19, 172.17.64.0/18, 172.17.128.0/17, 172.18.0.0/15, 172.20.0.0/16, 172.21.0.0/23, 172.21.3.0/24, 172.21.4.0/22, 172.21.8.0/21, 172.21.16.0/20, 172.21.32.0/19, 172.21.64.0/18, 172.21.128.0/17, 172.22.0.0/15, 172.24.0.0/13, 172.32.0.0/11, 172.64.0.0/10, 172.128.0.0/9, 173.0.0.0/8, 174.0.0.0/7, 176.0.0.0/4, 192.0.0.0/2, ::/0
Endpoint = 1.245.224.195:51830
Endpoint = 1.245.146.28:51830
{{{{color: rgb(150, 180, 55); font-size: 20px;} 글씨색:#770055}}}
{{{{color: rgb(150, 180, 55); font-size: 20px;font-weight:bold;} 글씨색:#770055}}}
- usb_driver . . . . 1 match
/* version 2.2.18 has USB support but the probe prototype is different */
- vae_gan . . . . 1 match
https://excelsior-cjh.tistory.com/187
- variational_autoencoder . . . . 3 matches
평균, 기댓값이라고 하면 보통은 어떤 값(변수)에 대한 기댓값만을 생각하는데 함수에 대한 기댓값도 계산할 수 있다.[* Kiho Hong (5 Apr 2017). <https://www.slideshare.net/lovelykihohong/variational-inference-intro-korean-ver>. (16 Jan 2018)]
* 하나의 계(System)가 가지는 '''평균''' 정보량[* kipid's blog (8 Feb 2017). <http://kipid.tistory.com/entry/Entropy> (16 Jun 2018)]
* 머신러닝에서 loss function[* Kaka (4 Apr 2017). "Cross-entropy/softmax 정리".<https://kakalabblog.wordpress.com/2017/04/04/cross-entropy-%EC%A0%95%EB%A6%AC/>. (23 Jan 2018)] 으로 사용.
- vi_for_gravitational_wave_parameter_estimation . . . . 3 matches
* Eric Thrane, Colm Talbot, '''An introduction to Bayesian inference in gravitational-wave astronomy: parameter estimation, model selection, and hierarchical models''', https://arxiv.org/abs/1809.02293
* Anirudh Jain et al., '''Variational Inference as an alternative to MCMC for parameter estimation and model selection''', https://arxiv.org/pdf/1803.06473.pdf
https://alexioannides.com/2018/11/07/bayesian-regression-in-pymc3-using-mcmc-variational-inference/
- visual_studio_code . . . . 1 match
vscode://vscode.github-authentication/did-authenticate?windowid=1&code=6f0cdf0c7300ef9c5184&state=4405a055-4741-4952-b7b5-b5c3b1bcce9a
- wikibackup . . . . 1 match
Expires on 2028-06-18
- work2015_08_list . . . . 2 matches
[http://science.postech.ac.kr/hs/C18/C18S005.html 엔트로피의 개념]
- work2015_11_list . . . . 1 match
= 11월 18일 =
- work2016_01_list . . . . 1 match
* http://www.ligo.org/conferences/lv0316/ (3월 14일 ~ 3월 18일)
- work2016_02_list . . . . 1 match
* http://www.ligo.org/conferences/lv0316/ (3월 14일 ~ 3월 18일)
- work2016_03_list . . . . 1 match
* http://www.ligo.org/conferences/lv0316/ (3월 14일 ~ 3월 18일)
- work2016_list . . . . 13 matches
[:work2016_list 2018년]
[:work2018_01_list 1월] [:work2018_02_list 2월] [:work2018_03_list 3월] [:work2018_04_list 4월] [:work2018_05_list 5월] [:work2018_07_list 6월] [:work2018_07_list 7월] [:work2018_08_list 8월] [:work2018_09_list 9월] [:work2018_10_list 10월] [:work2018_11_list 11월] [:work2018_12_list 12월]
- work2018_02_list . . . . 13 matches
[:work2016_list 2018년]
[:work2018_01_list 1월] [:work2018_02_list 2월] [:work2018_03_list 3월] [:work2018_04_list 4월] [:work2018_05_list 5월] [:work2018_07_list 6월] [:work2018_07_list 7월] [:work2018_08_list 8월] [:work2018_09_list 9월] [:work2018_10_list 10월] [:work2018_11_list 11월] [:work2018_12_list 12월]
- work2019_12_list . . . . 1 match
* 산업수학문제해결 워크숍 (12/18 ~ 12/20) @ 벡스코 제2전시장(부산)
- work2020_01_list . . . . 1 match
From: ubuntu:18.04
- work2020_05_list . . . . 1 match
* https://kangbk0120.github.io/articles/2018-01/inception-googlenet-review
- work2020_08_list . . . . 1 match
= 2주차 주간 업무 일지(8월 18일 ~ 8월 21일) =
- work2020_09_list . . . . 2 matches
= 3주차 주간 업무 일지(9월 14일 ~ 9월 18일) =
* ''Shizhe Chen, Ali Shojaie, Eric Shea-Brown, and Daniela Witten'', '''The Multivariate Hawkes Process in High Dimensions: Beyond Mutual Excitation''', June 18th, 2019, [https://arxiv.org/pdf/1707.04928.pdf]
- work2020_10_list . . . . 3 matches
* ''Shizhe Chen, Ali Shojaie, Eric Shea-Brown, and Daniela Witten'', '''The Multivariate Hawkes Process in High Dimensions: Beyond Mutual Excitation''', June 18th, 2019, [https://arxiv.org/pdf/1707.04928.pdf]
* ''Alex Reinhart'', '''A Review of Self-Exciting Spatio-Temporal Point Processes and Their Applications''', Febrary 20th, 2018, [https://arxiv.org/pdf/1708.02647.pdf]
* ''Gyorgy Perczel et al.'', '''Modeling neuronal firing in epilepsy – fitting Hawkes processes to single-unit activity''', ECMI 2018, [https://eprints.sztaki.hu/9855/1/Perczel_257_30844987_ny.pdf]
- work2020_11_list . . . . 3 matches
* ''Shizhe Chen, Ali Shojaie, Eric Shea-Brown, and Daniela Witten'', '''The Multivariate Hawkes Process in High Dimensions: Beyond Mutual Excitation''', June 18th, 2019, [https://arxiv.org/pdf/1707.04928.pdf]
* ''Alex Reinhart'', '''A Review of Self-Exciting Spatio-Temporal Point Processes and Their Applications''', Febrary 20th, 2018, [https://arxiv.org/pdf/1708.02647.pdf]
* ''Gyorgy Perczel et al.'', '''Modeling neuronal firing in epilepsy – fitting Hawkes processes to single-unit activity''', ECMI 2018, [https://eprints.sztaki.hu/9855/1/Perczel_257_30844987_ny.pdf]
- work_snmp_install . . . . 1 match
SNMPv2-MIB::sysDescr.0 = STRING: Linux 143.248.156.116 2.6.18_IPNC_C02_3.0.0.4 #1 PREEMPT Wed Dec 5 19:47:10 KST 2012 armv5tejl
- wskim_banghee_daily . . . . 1 match
= 2012-02-18 =
- wskim_recipe_soy_sauce . . . . 3 matches
http://blog.naver.com/5joung1/100118487884
http://blog.naver.com/5joung1/100118083025
http://blog.naver.com/5joung1/100125618152
- wskim_recipe_꼬리찜 . . . . 1 match
[[clip(img18)]]
- wskim_업적 . . . . 17 matches
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __"A Search for Tensor, Vector, and Scalar Polarizations in the Stochastic Gravitational-Wave Background"__, '''Phys.Rev.Lett.''' 120 (2018) no.20, 201102 [arXiv:1802.10194 [gr-qc] ]
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __"Full band all-sky search for periodic gravitational waves in the O1 LIGO data"__, '''Phys. Rev. D''' 97, 102003 (2018)[ arXiv:1802.05241 [gr-qc]]
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __"Constraints on cosmic strings using data from the first Advanced LIGO observing run"__, '''Phys. Rev. D''' 97, 102002 (2018)[ arXiv:1712.01168[gr-qc]]
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __"GW170817: Implications for the Stochastic Gravitational-Wave Background from Compact Binary Coalescences"__, '''Phys.Rev.Lett.''' 120 (2018) no.9, 091101 [arXiv:1710.05837 [gr-qc] ]
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __"Effects of data quality vetoes on a search for compact binary coalescences in Advanced LIGOs first observing run"__, '''Class.Quant.Grav'''. 35 (2018) no.6 [arXiv:1710.02185 [gr-qc]]
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __“Directional limits on persistent gravitational waves from Advanced LIGO’s first observing run”__, '''Phys. Rev. Lett.''' 118, 121102 (2017)[arXiv:1612.02030 [gr-qc]]
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __“Upper Limits on the Stochastic Gravitational-Wave Background from Advanced LIGO’s First Observing Run"__, '''Phys.Rev.Lett.''' 118 (2017) no.12, 121101 [arXiv:1612.02029 [gr-qc] ]
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __"GW170104: Observation of a 50-Solar-Mass Binary Black Hole Coalescence at Redshift 0.2"__, '''Phys.Rev.Lett. 118 (2017)''' no.22, 221101 [ arXiv:1706.01812 [gr-qc] ]
1. ''T Akutsu et al. KAGRA Collaborations'', __"Construction of KAGRA: an underground gravitational-wave observatory"__, '''Progress of Theoretical and Experimental Physics, Volume 2018, Issue 1, 1 January 2018, 013F01''', [https://doi.org/10.1093/ptep/ptx180]
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __"First Search for Nontensorial Gravitational Waves from Known Pulsars"__, '''Phys.Rev.Lett. 120, 031104 (2018) no.120''' [arXiv:1709.09203 [gr-qc]]
1. ''B. P. Abbott et al. LIGO Scientific and Virgo Collaborations'', __“All-sky search for long-duration gravitational wave transients in the first Advanced LIGO observing run"__, '''Class.Quant.Grav'''. 35 (2018) no.6 [arXiv:1711.06843 [gr-qc]]
- wskim_여행정보_태국 . . . . 1 match
환율 : 1 Baht = 36.18 원 (2011.01.26. 매매기준)
- wskim_연말정산 . . . . 1 match
131015-3409518
- 김환선 . . . . 1 match
김윤재 (2013-10-15) 131015-3409518 스카이패스 회원번호 1208 1132 9574
- 동호회_만들 . . . . 2 matches
2.18 옛곰국시 점심 -76,000원
예상 공금: 18,108원
- 임차권등기 . . . . 1 match
2020년 1월 18일. 임대인에게 전화로 계약해지 통보
- 20100217 . . . . 1 match
== 2010/02/18 ==
- 20100221 . . . . 1 match
||0x01c70018||00 00 00 15||
- 20100222 . . . . 1 match
DVSDK_BASE_DIR := /home/wskim/2010work/Appropho_ipnc/dvsdk_2_10_01_18#
- 20100223 . . . . 4 matches
* GIO81을 PWM3으로 설정하기 위해서는 PINMUX1 19-18bit가 3이여야 한다.
* GIO82는 BANK45에 18번 bit이다.
* GIO82에 '0'을 출력하기 위해서는 DIR45 레지스터의 18번 bit를 0으로 설정하고 CLR_DATA45 레지스터의 18번 bit에 1을 넣어 클리어 해줘야 한다.
Found 128 matching pages out of 778 total pages
You can also click here to search title.
Whansun`s Deep learning Wiki