연주의 공부 기록

OUTTA 논문 리뷰 링크: [2024-2] 황징아이 차원축소 : PCA, SVD, LSA, LDA, MF [2024-2] 황징아이 차원축소 : PCA, SVD, LSA, LDA, MF1. 차원 축소란?차원의 저주 (Curse of Dimension)는 입력된 데이터의 수보다 데이터의 차원이 더 큰 경우 발생하는 문제입니다. 예를 들어 100개의 데이터 그리고 각 데이터의 차원은 500인 상황이 발생blog.outta.ai1. 차원 축소의 개념차원의 저주(Curse of Dimension)입력 데이터 수보다 데이터 차원이 훨씬 큰 경우 발생벡터 공간이 방대해져 데이터가 희박(Sparse) → 모델 복잡도 증가, 예측 성능 저하차원 축소(Dimensionality Reduction)고차원 데이터를 저차원으..

논문 링크: https://arxiv.org/abs/1409.3215 Sequence to Sequence Learning with Neural NetworksDeep Neural Networks (DNNs) are powerful models that have achieved excellent performance on difficult learning tasks. Although DNNs work well whenever large labeled training sets are available, they cannot be used to map sequences to sequences. In this paparxiv.org OUTTA 논문 리뷰 링크: [2024-2] 김영중 - Seq2Seq(Sequ..

논문 링크: https://arxiv.org/pdf/1512.02325 OUTTA 논문 리뷰 링크:  [2024-2] 조환희 YOLO, SSD [2024-2] 조환희 YOLO, SSDYOLO (You Only Look Once)R-CNN과 같은 Object dectection 방법은 이미지 안에서 obejct가 존재할만한 region을 추출해내는 과정(region proposal)을 수행한 후에, 추출된 region proposal에서 classification을 수행한다. regioblog.outta.ai1. YOLO (You Only Look Once)1. 기존 방식(2 stage)와의 차이R-CNN 계열: Region Proposal 생성 → Classification(2단계)구조 복잡 → 연산량 ..

논문 링크1: https://arxiv.org/pdf/1609.04747논문 링크2: https://arxiv.org/pdf/1412.6980논문 링크3: https://arxiv.org/pdf/1711.05101 OUTTA 논문 리뷰 링크: [2024-2] 유경석 - Optimizer의 종류와 특성 [2024-2] 유경석 - Optimizer의 종류와 특성https://arxiv.org/pdf/1609.04747https://arxiv.org/pdf/1412.6980https://arxiv.org/pdf/1711.05101 0. Gradient Descent란?Gradient descent는 model parameter $\theta$에 대한 손실함수 $J(\theta)$를 최소화시키기 위해서, 현재 ..

논문 링크: https://arxiv.org/abs/1808.03314 Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) NetworkBecause of their effectiveness in broad practical applications, LSTM networks have received a wealth of coverage in scientific journals, technical blogs, and implementation guides. However, in most articles, the inference formulas for the LSTM network andarxiv.org OUTTA..

SqueezeNet 논문 링크: [1602.07360] SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and  SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and Recent research on deep neural networks has focused primarily on improving accuracy. For a given accuracy level, it is typically possible to identify multiple DNN architectures that achieve that accuracy level. With equivalent accuracy,..

논문 링크: https://arxiv.org/pdf/1506.01497 1. R-CNN핵심 아이디어1. Two-stage 모델Stage 1: Region Proposal (Selective Search 등 오프라인 기법으로 약 2000개 박스 추출)Stage 2: Classification (각 Region에 대해 CNN 추출 후, 분류기(SVM 등)로 객체 라벨 예측)2. 특징Selective Search: 대략 2초/이미지, 대안으로 EdgeBoxes(0.2s/이미지), MCG(30s/이미지) 등 존재Region Proposal을 많이 뽑아야(약 2000개) → 계산량 많음CNN 특징 추출(주로 VGG16 사용 가능) → SVM 분류3. Bounding Box RegressionRegion Propo..

논문 링크: [PDF] Learning representations by back-propagating errors | Semantic Scholar https://www.semanticscholar.org/paper/Learning-representations-by-back-propagating-errors-Rumelhart-Hinton/052b1d8ce63b07fec3de9dbb583772d860b7c769 www.semanticscholar.org OUTTA 논문 리뷰 링크:[2024-2] 김영중 - Learning representations by back-propagating errors [2024-2] 김영중 - Learning representations by back-propagating ..

LeNet 논문 링크: https://arxiv.org/pdf/1409.4842 OUTTA 논문 리뷰 링크: [2024 - 2] 김동규 - LeNet : Gradient-Based Learning Appliedto Document Recognition  [2024 - 2] 김동규 - LeNet : Gradient-Based Learning Appliedto Document RecognitionLeNet의 들어가기에 앞서서 LeNet은 CNN의 개념을 제시하고 현대 CNN 모델들의 기초가 되는 모델입니다. 1. Introduction 해당 논문의 주요 메시지는 " 패턴인식 시스템은 hand-designed heuristics를 줄이고 자blog.outta.ai1. Introduction핵심 메시지:패턴 인..

AlexNet 논문 링크: ImageNet Classification with Deep Convolutional Neural Networks ImageNet Classification with Deep Convolutional Neural NetworksRequests for name changes in the electronic proceedings will be accepted with no questions asked. However name changes may cause bibliographic tracking issues. Authors are asked to consider this carefully and discuss it with their co-authors prior to reque..