공대생 도전 일지

업로드하신 파일을 사용하여 다양한 필터링과 업스케일링 방법을 적용한 후 PSNR 값을 비교하는 작업을 수행하겠습니다. 이 작업을 위해 다음과 같은 단계를 거치겠습니다.미디안, 가우시안, 양방향 필터를 사용한 후 PSNR 비교미디안 필터 후 엣지 검출 없이, 미디안 필터 후 엣지 검출하여 엣지에 따른 필터 적용, 양방향 필터 후 엣지 검출하여 엣지에 따른 필터 적용 후 PSNR 비교근접, Bilinear Upsampling, nTap Interpolation, 바이큐빅 업스케일링 후 PSNR 비교다음은 이를 구현한 코드입니다.import cv2import numpy as npfrom skimage.metrics import peak_signal_noise_ratio as psnr# 파일 경로original..

미디언 필터와 가우시안 필터를 사용하여 노이즈를 제거하고, 결과 이미지를 업스케일링한 후 PSNR 값을 비교해 보겠습니다.코드 구현다음은 미디언 필터와 가우시안 필터를 사용하여 노이즈 제거를 수행하고, 각 결과 이미지를 업스케일링한 후 PSNR 값을 계산하는 코드입니다.import cv2import numpy as npfrom skimage import io, img_as_ubytefrom skimage.metrics import peak_signal_noise_ratio as psnr# Load imagesinput_image = io.imread('/mnt/data/B1FDWY.bmp')reference_image = io.imread('/mnt/data/B1FY.bmp')# Apply median ..

1차시 - 정형 데이터 다중 분류 1출력값의 합이 항상 1로 고정된다.또 데이터 저장하기!class를 컴퓨터가 이해할 수 있도록 변경해줘야 한다.섞였다.데이터 시각화!주황색은 구분되어 있지만 파란색과 초록색은 섞여있다.옹... 이걸 이렇게 변환하네요...? 2차시 - 비정형 데이터 다중 분류 실습 1라이브러리 입력데이터나누기데이터전처리라벨 원핫 인코딩을 진행했다.학습하고 시각화까지 진행한다. 3차시 - 비정형데이터 다중 분류 실습 2

1차시 - 다층 퍼셉트론 설계 인간은 1000억개의 뉴런이 존재한다. -> 신호를 전달하는 간단한 역할을 한다.입력한 값이 계산을 통해 출력으로 나온다. 선형회귀와 퍼셉트론의 차이는 활성화 함수이다!활성화 함수 때문에 비선형을 표현할 수 있게 되었다.또 and or XOR....히든레이어에서 왜곡이 일어난다   2차시 - 정형데이터 이진 분류 실습 1 데이터를 불러와서 읽어본다.데이터 정보 확인!속성간의 연관성을 확인할 수 있다.2024.04.22 - [인공지능/공부] - 딥러닝개론 정리 1 - 머신러닝, 딥러닝, backpropagation, 잡음 주입, 정규화, 규제화 딥러닝개론 정리 1 - 머신러닝, 딥러닝, backpropagation, 잡음 주입, 정규화, 규제화인공지능 - 인간의 지능을 모방하..

1차시 - 데이터 전처리 개요허점이 있다!데이터가 올바르지 않으면 출력도 좋지 않다.데이터의 중요성이 크다!시각화도!데이터가 무엇보다도 중요하다!필요한 데이터가 많아야 한다.raw 데이터를 가공을 통해 좋은 데이터로 만든다.쓸모없는 데이터가 가장 중요한 데이터가 뭔지 판별할 수 있어야 한다.Pandas를 사용하면 데이터 프레임구조를 가진다.결측치는 0으로 채우거나, 그 행을 지우는 등의 방식으로 사용할 수 있다.정답과의 상관관계가 가장 높은 것을 봐야 한다.이 것은 결과를 통해 설명한다. 2차시 - 정형 데이터 전처리 실습정형 데이터 - 엑셀과 같이 정리된 데이터들데이터셋 위치다운로드 받는 법8개의 속성과 한개의 클래스이러한 코드 진행을 통해 파일을 업로드하고, 읽을 수 있다.일부 데이터만 확인하여 흐름..

1차시 - 선형회귀 모델링목적함수를 잘 설정하는 것이 중요하다!데이터가 많아지면 문제가 생기도 한다.MSE를 최소화 한다! 2차시 - 선형 회귀에서의 경사하강법 기울기를 최소로하는 a*값을 찾아야 한다!2차함수 최저점의 기울기는 0이다!그 지점을 찾기 위해 경사 하강법이 나온다a 값을 바꿔가면서 낮은 곳으로 차차 진행하는 것이다.오버슈팅!미니 배치 사이즈가 1이면 SGD이다.가장 잘 표현한다. == 오차(MSE)가 가장 적다. 3차시 - 선형회귀 실습자기 편한 환경에서 진행하면 된다.라이브러리 불러오기구조를 확인할 수 있다.

1차시 - 딥러닝 작업 환경 만들기이미 검증되어 활용된 알고리즘이 있다딥러닝 프레임워크는 이미 검증된 알고리즘들을 손쉽게 다룰 수 있도록 해준다.shift + enter = 실행텐서 플로우 불러오기!GPU 사용하는지 확인하기이런 설정을 통해 GPU 사용이 가능하다.2차시 - 딥러닝 작업 환경 만들기 2 프로젝트별 환경을 설정하여 효율적인 환경을 구축할 수 있다.콘솔을 통해 진행할 수 있다.이건 콘솔에서 실행된다.계속 진행할 수 있다.3차시 - 테스트 코드 실행옹 그냥 다운받기 하면....데이터 파일을 업로드해서 올릴 수 있다.파이참에선 위와 같이 실행할 수 있다. 콘솔 환경에서도 진행 가능하다.라이브러리 버전을 볼 수 있다.저렇게 안하면이렇게 길게 작성해야 한다.

이것도 네트워크 베이스로 모델링을 진행한다.각각의 요소를 가져와 주어진 식대로 계산을 한다.직관적이며 수학을 사용하지 않고 모델링이 가능하다.기본 simscape를 열었다.10개 이상의 모델을 사용할 수 있다.Driveline 내부의 vehicle Body를 가져와서 사용했다.차량의 다이나믹스를 표현할 수 있다.입력 - 바람, 경사출력- 힘, 속도물리적 네트워크도 연결이 가능하다.다양한 파라미터 조절이 가능하다.단순 형태의 타이어를 가져와서 연결해준다. 엔진으로부터의 동력을 두 타이어로 전달하기 위해 디퍼런셜이 필요하다. 기어에 있다.이렇게 나오는데 ctrl + r을 누르면 회전된다.블록 반전도 진행해줬다. 우클릭 후 형식에 있다.각각 바퀴에 연결해준다.이제 디퍼런셜에 연결할 트랜스박스를 단순 기어 형태..

시뮬링크는 신호 기반의 모델링 방식이다.모델링하기 위해 수식이 필요하다!차량의 종방향 제어를 위해 차량시스템을 모델링한다면 차량의 운동 특성에 따라 진행을 방해하는 힘(무게(1200)와 공기저항(0.7))과 힘(힘과 속도)이 들어갈 것이다.일단 빈 시뮬링크를 만들고라이브러리에서 다양한 자원을 불러온다. integrator를 가지고 와서 이름을 작성해준다.x''을 넣으면 x'이 나온다!입력에 해당하는 F를 표현하기 위해 Sources에서 Constant를 가져온다. Force로 이름변경도 진행해준다.x''을 표현하기 위해 Math operations의 Gain을 가져온다.1/1200으로 해준다.그리고 Math에서 ADD블럭을 가지고 온다그리고 더블클릭하여 +, -로 설정해준다.이렇게 연결해준다.요렇게 둥글..

1. 다음 문장의 빈칸에 들어갈 가장 적절한 단어를 고르시오.“특징 추출의 목표는 __을 줄이고, __를 제거하며, 데이터의 가장 변별력 있는 측면을 강조하여 후속 분석 또는 머신 러닝 작업을 용이하게 하는 것”하나를 선택하세요.차원, 노이즈컴퓨터용량, 오류뉴럴 스타일 전송패턴인식나머지들이 너무 아니라.... 1번다음 문장의 빈칸에 들어갈 가장 적절한 단어는 "차원, 노이즈"입니다.문장을 완성하면:"특징 추출의 목표는 차원을 줄이고, 노이즈를 제거하며, 데이터의 가장 변별력 있는 측면을 강조하여 후속 분석 또는 머신 러닝 작업을 용이하게 하는 것"특징 추출은 데이터의 복잡성과 불필요한 정보를 줄여서 효과적인 머신러닝을 가능하게 만드는 과정입니다.2. 다음 중 틀린것을 고르시오.트렌스포머 네트워크 응용이 ..