컴퓨터공학 & 정보통신92 [머신러닝] Model Selection Model Selection Problem 데이터의 갯수 n이 predictor p의 갯수와 비슷한 경우 Least Square 는 무용 -> p의 갯수를 의도적으로 줄일 필요가 있음 (불필요한 복잡성 및 true relationship 잘 보이게) Subset Selection 모든 경우의 수 다 해보기(O(2^p) : exponential) -> 비효율적 greedy 정책 활용(O(p^2) : polynomial) forward stepwise : p 없 -> p 추가 backward stepwise : p 풀 -> p 제거 이때, RSS 및 R square는 p의 갯수가 많을 수록 계속 감소 -> 적절한 p의 갯수를 찾을 수 없음 이를 대처하기 위한 다양한 수치식 존재 Cp, AIC, BIC = 작.. 2023. 6. 12. [머신러닝] Resampling Resampling Test 데이터가 현저히 부족, 접근에 제한 있음 -> train 데이터에서 다양한 방법으로 리샘플링하는 것이 현명함, CV와 Bootstraping 두가지 방법이 있음 Cross-Validation validation set = subset of TRAIN DATA ===> test error rate의 추정치를 뽑을 수 있음 다양한 split 방식이 존재 Randomly Split 무작위로 절반 validation set, 절반 training set 장점 : 간단 단점 : high variability MSE (무작위로 split 하므로 변동성 높음), sample 적음 (절반을 validation set 으로 사용하므로) LOOCV (Leave One Out Cross Vali.. 2023. 6. 12. [컴퓨터그래픽스] OpenGL Reflectance Model, Illumination Caculation, Shading Model OpenGL Reflectance Model BRDF 방식(모든 경우를 다 계산한 이상적인 계산법)은 현실적으로 부적합하므로 아래 4가지 경우만 계산 Diffuse Reflection = Lambertian Model Specular Reflection Emission Ambient Illumination Caculation 다양한 빛의 효과를 계산하는 계산식 Single Light Multiple Light 3D Rendering Pipeline Modeling Transformation Lighting Viewing Transformation Projection Transformation Clipping Viewport Transformation Scan Conversion Viewport Tran.. 2023. 6. 12. [컴퓨터그래픽스] Parametric Surface, Homogeneous Coordinate, Raytracing Parametric Surface Surface를 구현하는 3번째 방법 (Mesh, Subdivision, Parametric Surface) Parametric Curve - Surface를 하기 전에 2차원 Curve에 대한 적용법 이해 Blending Functions Piecewise Parametric Polynomial Curves 모두 동일한 Blending functions Local Control Cubic Spline Continuity Local Control 제공 Interpolating (점들을 지남) Convex Hull Cubic B-Spline ex) 4개의 점을 기반으로 한 3차 다항식 blending functions이 4개 필요함 (4*4 = 16가지 변수) Local .. 2023. 6. 12. [컴퓨터그래픽스] polygonal mesh, subdivision, Mesh Data Structure Polygonal mesh 3D 오브젝트의 surface를 표현하는 방식 1 filter) smoothing : 주변의 V 평균으로 매끄럽게 만드는 기법 (Weighted Average of 인접V) sharpen : smoothing과 반대 Subdivision Surface 3D 오브젝트의 surface를 표현하는 방식 2 고려 Input 이 무엇이냐에 따라 다른 방법 Topology Refinement : Face 분할 Geometry Refinement : 점 위치 재배 Continuity - 매끈한 surface를 구현하기 위해서는 보장되어야 하는 성질 G-1 : 연결 x G0 : 연결만 = position G1 : 1차 미분가능 = tangent G2 : 2차 미분가능 = curvature S.. 2023. 6. 12. [강화학습] Numpy를 활용한 Q-Learning 이해하기 강화학습 쉽지 않습니다. 그런데 정말 재미있는 분야인 것 같습니다. 이번 글을 통해 강화학습의 기본 Q-Learning을 설명드리겠습니다. 강화학습 (Reinforcement Learning) 강화학습은 기계 학습의 한 종류로 어떤 환경(env) 안에서 정의된 에이전트(agent)가 현재의 상태(state)를 인식하여, 선택 가능한 행동(action)들 중 보상(reward)을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 방법입니다. 그렇다면 강화학습을 구현하기 위한 방법에는 무엇이 있을까요? 대표적으로 Q-Learning과 DQN(Deep Q Network)가 있습니다. 우리는 여기서 Q-Learning이 구체적으로 무엇인지 배우고 러프하게 코드를 구현해보겠습니다. Q-Learning 이론 .. 2023. 6. 1. 이전 1 ··· 5 6 7 8 9 10 11 ··· 16 다음
