분류 전체보기 (12) 썸네일형 리스트형 논리회로 3 Latch F/F Register Counter D Latches SR Latches의 단점으로는 undefined 위험이 있다. 이 점을 보완한 것이 D Latches. 두 input이 동시에 같은 값이 안들어가도록 NAND와 inverter를 추가하여 설계. D input이 Q에 전달됨 C가 1일 때만 D가 전달이 된다. C가 0일 때 keep Flip-flops clk이 길 때, latch limitation latch는 input level에 따라 output이 나옴. clock width가 길어져서(duty cycle이 커져서) latch의 output이 loop 되어 한번 동작해야하는 것이 두번 동작하게 되는 문제가 있는데 이를 clock edge에만 동작하도록 개선한 것이 f/f. clock.. 논리회로 2 Decoders 어떤 동작을 할지 해석해주는 회로 c언어로 동작시 컴파일러가 기계어(11010011...)로 바꿔주는데 기계어 중에 특정 bit는 어떤 동작을 하는지 알려주는 instruction과 어떤 동작을 하는지 알려주는 instruction이 있다. 특정 비트는 대체로 앞 4자리로 add역할을 할지 load역할을 할지 등등 알려주는 instruction이며 이를 opcode(operation code)라 부른다. ex] 3 to 8 line decoder (3 in -> 2^3 output) input에 따라 D에는 output이 한개로만 흐른다. x,y,z에 input에 따라 어느 D를 활성화 할지 정하게 된다. ex] 2 to 4 line decoder (2 in -> 2^2 output) E.. 논리회로 1 computer logic (boolean algebra) binary logic: AND, OR ,NOT (switching, amp 회로를 이용해서 만듬) AND, OR, NOT 보다 TR개수를 줄여서 NAND, NOR를 많이 만듬 Exclusive-OR(XOR)은 같으면 0 다르면 1을 출력 y'란 not y라는 뜻 2^10 = 1 Kilo 라고 부름 2^40 = 1 Tera (1조) micro processer = cpu = central processing unit cpu의 핵심 파트 ALU(산술연산) 2진수를 3개씩 묶으면 8진수(Octal) 2진수를 4개씩 묶으면 16지수(Hexadecimal) Complement 보수표현법: 0과 1이 바뀜 왜 보수표현법이 중요? 음수를 표현하기 위함 *c.. OpenCV 1.opencv 소개 2.opencv 이미지 연산 3.opencv 이미지 변형 4.opencv 이미지 합치기 5.opencv 임계점 처리하기 6.opencv tracker 7.opencv 도형 그리기 8.opencv contours 9.opencv contours 처리 10.opencv filtering 1.opencv 소개 이미지 읽기 cv2.imread(file_name, flag) #이미지를 읽어 numpy 객체로 만드는 함수 cv2.imshow(title, image) #특정한 이미지를 화면에 출력합니다. cv2.mwrite(file_name, image) #특정한 이미지를 파일로 저장하는 함수 cv2.waitKey(time) #키보드 입력을 처리하는 함수 cv2.destoryAllWindows(.. 순환 신경망(RNN) 1.순환 신경망(Recurrent Neural Network, RNN) 2.장단기 메모리(Long Short-Term Memory, LSTM) 3.게이트 순환 유닛(Gated Recurrent Unit, GRU) 4.케라스의 SimpleRNN과 LSTM 이해하기 5.RNN 언어 모델(Recurrent Neural Network Language Model, RNNLM) 6.RNN을 이용한 텍스트 생성(Text Generation using RNN) 7.문자 단위 RNN(Char RNN) 1.순환 신경망(Recurrent Neural Network, RNN) 순환 신경망(Recurrent Neural Network, RNN) RNN 유형의 사용 예 -일 대 다(one-to-many) : 이미지 캡셔닝(Ima.. 딥러닝(Deep Learning) 1.퍼셉트론(Perceptron) 2.인공 신경망(Artificial Neural Network) 훑어보기 3.행렬곱으로 이해하는 신경망 4.딥 러닝의 학습 방법 5.역전파(BackPropagation) 이해하기 6.과적합(Overfitting)을 막는 방법들 7.기울기 소실(Gradient Vanishing)과 폭주(Exploding) 8.케라스(Keras) 훑어보기 9.케라스의 함수형 API(Keras Functional API) 10.케라스 서브클래싱 API(Keras Subclassing API) 11.다층 퍼셉트론(MultiLayer Perceptron, MLP)으로 텍스트 분류하기 12.피드 포워드 신경망 언어 모델(Neural Network Language Model, NNLM) 1.퍼셉트론.. 머신러닝(Machine Learning) 1.선형회귀(Linear Regression) 2.로지스틱 회귀(Logistic Regression) 3.소프트맥스 회귀(Softmax Regression) 1.선형회귀(Linear Regression) 수치 -> 수치 단순 선형 회귀 분석(Simple Linear Regression Analysis) x가 1개 일때, w는 weight b는 bias $y\ =\ wx\ +\ b$y = wx + b 다중 선형 회귀 분석(Multiple Linear Regression Analysis) x가 2개 이상 일때 $y\ =\ w_1x_1+w_2x_2+...+w_nx_n+b$y = w1x1+w2x2+...+wnxn+b 가설(Hypothesis) 세우기 데이터로부터 x, y의 관계를 유추하여 수학적으.. 벡터의 유사도 1.코사인 유사도 2.유클리드 거리 3.자카드 유사도 1.코사인유사도 코사인 유사도는 두 벡터 간의 코사인 각도를 이용하여 구할 수 있습니다. 코사인유사도를 이용하여 추천시스템을 만들 수 있습니다. *추후 작성 예정 2.유클리드 거리 다차원 공간 두 점의 좌표를 통해 두 점 사이 거리를 계산합니다. 3.자카드 유사도 두 집합에서 합집합과 교집합의 비율 이전 1 2 다음
