대답해드리는게 인지상정

저는 캐드를 주로 사용하는 직종에서 종사하지만가끔 명령어가 생각이 안 나거나궁금할 때가 있더라고요.그래서 종종 캐드 명령어에 대해글을 올려보도록 하겠습니다.여러분 저는 캐드에서중요한 것 중 하나는바로 "레이어"라고 생각합니다. 그중 레이어를 정리할 때,삭제가 안 되는 레이어가 있거나또는 한 번에 레이어를 합치고 싶은 적있지 않나요? 그때 필요한 명령어를 소개해 드리겠습니다.바로,"LAYMRG"입니다. 간단하게 LAYMRG 사용하는 방법을 알려드리겠습니다. 우선 레이어를 이렇게 시작해 보겠습니다.   약품실에 약품탱크를 넣고 싶어탱크 외형도를 넣으려고 합니다. 보통 이런 외형도는레이어 정리가 안 돼있기에,저는 해당 레이어를 전부0 레이어로 바꿔보겠습니다. 우선 외형도를 가져왔을 때 레이어가 추가된 게 보이..

기초 개념Stochastic process는 과거의 모든 상태가 미래에 어떻게 영향을 미치는지 모른다. Markov property는 미래는 오직 현재의 상태만 영향을 받고 과거의 모든 영향을 미치지 않는다는 것이다. 이는 다음과 같이 표현 할 수 있다.$$ P(S_{t+1}= s' | S_t= s) = P(S_{t+1}=s' | S_0 =s_0,S_1=s_1,...S_t= s)$$ Stochastic process에서 나온 예시는 오직 오늘 먹은 음식이 내일 먹을 점심에 영향을 미친다면 Markov property라고 할 수 있다. 또는 과거에 먹은 점심의 영향력이 매우 작아 무시할 수 있다면 Markov property을 유지한다.Markov property를 유지하는 상태를 Markov proces..

개념한국말로 확률 과정이라고도 하는 Strochastic process는 시간에 따라 일어나는 현상이 확률에 의해 결정되는 것을 수학적으로 표현한 것이다.예를 들어 주식 가격의 변동이나 날씨변화를 Stochastic process가 가능하다. 이러한 현상들은 과거의 값들에 의존하지만, 미래의 값은 확률적으로 결정된다.단순 확률인 probability와 혼동이 올 수 있으나 시간(Path)에 따른 확률로 이해하면 쉽다.특징Independent Increment : 시간 t에서의 값 $X_t$와 t-1에서의 값 $X_{t-1}$의 차이인 $X_t-X_{t-1}은 t에 독립적이다. 즉 과거의 값으로부터 미래의 값을 정확히 예측할 수 없다. 오늘 비올 확률과 내일 비올확률이 독립.Stationary : Stoc..

머신러닝의 3요소 중 하나 RL(Reinforcement Learning)은 머신 러닝에 3가지 학습 법 중 하나로 인공지능의 학습의 글에서는 Supervised Learning에 대해 이야기를 잠깐 하였는데 이는 입력과 원하는 답(Label)이 존재해야 한다.개와 고양이, 쿠키와 치와와를 구분을 하기 위해 데이터가 필요하다.하지만 그런 답을 만들기 어려운 상황이 있다.예로 차나 로봇이 움직인다고 할 때 팔다리의 위치를 상황에 따라 일일히 라벨하기에는 어렵다.(길사진에 차가 꺽을 핸들 각도를  라벨링 한 적은 있음)  위와 같은 상황에서 쓸 수 있는 방법으로 상호작용이 가능한 환경에서 상태(input or state)를 얻고 행동(Action)을 정하는 정책(Policy)을 보상(reward)을 최대화하..

목차 열기" data-ke-type="html">HTML 삽입미리보기할 수 없는 소스왜 무엇을 버리나?Drop Out은 말 그대로 버리는 것이다. MLP로 예를 들면 퍼셉트론의 연결을 훈련중에 일정 확률로 일부분을 랜덤하게 연결을 끊어 학습을 더디게 만드는 것이다.  왜 더디게 만드는 지 이야기 전 논문 저자의 직관부터 이야기 하면 2014년도 Bishop은 이를 유성생식에 비유했다. 부모의 한쪽 유전자씩 받는 그 과정에서 유전의 혼합 능력을 떠올린 것이다. (그래서 50프로 확률로 연결을 끊어 절반만 살린다) 하지만 더 나은 직관으로 앙상블 효과로 보는 경우도 있다. 앙상블이란 간단하게 똑똑한 애 하나의 점수보다 덜 똑똑한 애 10명이 투표해 낸 결과의 점수가 높다는 것이다. 기존 앙상블은 여러 다른 ..