본문 바로가기

▶ 자연과학/▷ 알고리즘·머신러닝

【알고리즘】 20강. 이미지 생성형 모델 20강. 이미지 생성형 모델(업데이트 중) 추천글 : 【알고리즘】 알고리즘 목차 1. DIP [본문] 2. 컴퓨터 비전 파운데이션 모델 [본문] 1. DIP(deep image prior) [목차] ⑴ 특징 : 트레이닝 데이터 없이 CNN 아키텍처를 입력 이미지에 과적합(overfitting) 시켜 새로운 이미지를 생성 2. 컴퓨터 비전 파운데이션 모델 [목차] ⑴ Stable Diffusion ⑵ DALL·E, DALL·E2 ⑶ CTransPath : Wang et al., Medical Image Analysis (2022) ⑵ UNI : Chen et al., Nature Medicine (2024) ⑶ CONCH (CONtrastive learning from Captions for Histopa..
【알고리즘】 17강. GNN 신경망 17강. GNN 신경망 추천글 : 【알고리즘】 알고리즘 목차 1. 개요 [본문] 1. 개요 [목차] ⑴ 그래프 데이터 처리를 위한 일반화된 모델 ⑵ 구성 1. 그래프 아키텍처 ① 종류 1. GCN(graph convolution network) ② 종류 2. GAT(graph attention network) ⑶ 구성 2. 노드 ① GNN은 다양한 그래프 아키텍처를 통해 노드 정보를 수집하고 변환 ⑷ 수식화 H(ℓ+1) = f(H(ℓ), A) ① H : 은닉층(hidden layer) ② A : 인접 행렬(adjacency matrix) ③ f : 노드의 hidden state를 수집하고 변환하는 함수 입력: 2024.03.19 13:50
【알고리즘】 9강. 패턴 인식 알고리즘 9강. 패턴 인식 알고리즘(pattern recognition algorithm) 추천글 : 【알고리즘】 알고리즘 목차 1. 개요 [본문] 2. 종류 1. 아프리오리 [본문] 3. 종류 2. FP-growth [본문] 4. 종류 3. ECLAT [본문] 5. 종류 4. freeman chain coding [본문] 1. 개요 [목차] ⑴ 클러스터링 알고리즘처럼 unsupervised machine learning 중 하나 2. 종류 1. 아프리오리(apriori) [목차] ⑴ 가능한 모든 경우의 수를 탐색하는 방식을 개선하기 위하여 데이터들의 발생빈도가 높은 것(빈발항목)을 찾는 알고리즘 ⑵ 데이터셋이 큰 경우 모든 후보 아이템셋에 대하여 반복적으로 계산하는 단점이 있음 ⑶ 연관 알고리즘 중 하나 3. ..
【알고리즘】 8강. 클러스터링 알고리즘 8강. 클러스터링 알고리즘(군집 모형, clustering algorithm) 추천글 : 【알고리즘】 알고리즘 목차 1. 개요 [본문] 2. 종류 1. unsupervised hierarchical clustering [본문] 3. 종류 2. K-means clustering [본문] 4. 종류 3. 밀도 기반 군집 [본문] 5. 종류 4. 혼합 분포 군집 [본문] 6. 종류 5. 그래프 기반 군집 [본문] 7. 기타 알고리즘 [본문] 1. 개요 [목차] ⑴ 클러스터링은 optimization problem ① variability ○ variability는 distance 혹은 distance2의 합이라고 할 수 있음 ○ 거리 함수의 종류 ○ 이유 : big and bad is worse than sm..
【알고리즘】 13강. 앙상블 학습 13강. 앙상블 학습(autoencoder) 추천글 : 【알고리즘】 알고리즘 목차 1. 개요 [본문] 2. 기법 [본문] 1. 개요 [목차] ⑴ 정의 : 여러 가지 모델들의 예측, 분류 결과를 종합하여 의사결정을 하는 기법 ⑵ 특징 : 다양한 모형들의 예측 결과를 결합함으로써 단일 모형보다 신뢰성이 높음 ⑶ 절차 ① 1단계. 트레이닝 데이터에서 여러 학습 집합들을 도출 ② 2단계. 각 집합으로부터 모델을 학습 ③ 3단계. 각 학습 모델로부터의 결과를 조합 ④ 4단계. 학습된 모델들의 최적 의견을 도출 ⑷ 앙상블 베이스 모형의 독립성을 증가시키는 방법 ① 입력 변수를 다양하게 함 ② 서로 다른 알고리즘을 사용 ③ 매개변수를 다양하게 함 2. 기법 [목차] ⑴ 기법 1. 배깅(bagging; bootstra..
【알고리즘】 19강. 오토인코더 19강. 오토인코더(autoencoder) 추천글 : 【알고리즘】 알고리즘 목차 1. 개요 [본문] 2. 종류 1. 가변 오토인코더 [본문] 3. 종류 2. ZINB 오토인코더 [본문] 1. 개요 [목차] ⑴ 정의 : 입력 데이터를 최대한 압축시킨 후, 압축된 데이터를 다시 본래의 형태로 복원시키는 신경망 ① 인코더(encoder) : 입력층에서부터 은닉층으로의 인공 신경망. 인지 네트워크라고도 함 ○ 인지 네트워크(recognition network) : 패턴을 감지하고 의미를 부여하는 특수화된 네트워크 ② 디코더(decoder) : 은닉층에서부터 출력층으로의 인공 신경망. 생성 네트워크라고도 함 ○ 생성 네트워크(generative network) : 입력 데이터와 매우 유사한 새로운 데이터를 생성할..
【알고리즘】 16강. RNN 알고리즘 16강. RNN 알고리즘 추천글 : 【알고리즘】 알고리즘 목차 1. 개요 [본문] 2. 고려사항 [본문] 3. 종류 1. LSTM [본문] 4. 종류 2. GRU [본문] 1. 개요 [목차] ⑴ RNN(recurrent neural network) : 입력층, 은닉층, 출력층으로 구성되는 다층 퍼셉트론에서 은닉층이 재귀적인 신경망을 갖는 알고리즘 ⑵ 구조 Figure. 1. RNN 알고리즘의 구조 ⑶ 용도 ① 자연어 : 텍스트 앞 단어와 뒷 단어를 이용 ② 음성 신호 ③ 시계열 데이터 : 현재 값에다 과거와 미래의 값을 같이 이용 시간이 가면서 데이터의 변화를 보고 미래를 예측하는 것은 어려운 일이지만 굉장히 중요한 일이다. 이러한 문제도 딥러닝 알고리즘을 이용하여 풀 수 있다. x(t), x(t - τ..
【알고리즘】 21-1강. 프롬프트 엔지니어링 21-1강. 프롬프트 엔지니어링(prompt engineering) (ref) 추천글 : 【알고리즘】 21강. 자연어 처리(NLP)와 거대 언어 모델(LLM) 1. 개요 [본문] 2. 기법 [본문] 3. 리스크 [본문] 4. 예시 [본문] 1. 개요 [목차] ⑴ 정의 : 언어 모델(language model)을 더 효율적으로 쓰기 위해 프롬프트 입력을 어떻게 하는지에 대한 논의 ⑵ 파라미터 ① temperature : temperature가 낮을수록 더욱 결정론적인 답이, temperature가 높을수록 더욱 창의적인 답이 나옴 ② top_p : 정답을 도출하는 샘플링 과정에서 정답의 경우의 수를 지칭하는 것으로 이 값이 낮을수록 덜 다양하고 사실에 기반한 답이 나옴 ③ top_k ④ num_beams ..

티스토리툴바