일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- error
- Softmax
- pullup
- impl
- palindrome
- backward pass
- two-layer neural net
- Solution
- leetcode
- 풀다운저항
- Features
- #9
- TensorFlow
- NotFoundError
- atmega128
- 회로
- cs231n
- neural net
- autoencoder
- 풀업저항
- Backpropagation
- assignment1
- pyTorch
- Floating
- assignment
- KNN
- Circuit
- softmax backpropagation
- Big size image
- pulldown
- Today
- Total
목록ML , DL (2019)/개인 생각 및 논문 (2)
코딩공부
**Notation : - Dataset : Data들의 집합 - Data = Data point 같은 것인데 혼용될 수 있음 - Sampling(Subsampling) : 전체 Datset으로 부터 일부를 추출하는 것 Self-paced learning(SPL) : 너무 어려운 data point는 skip하는 것 → Stochastic Gradient Descent(SGD)의 convergence(수렴)가 더 빨라지고 높은 accuracy를 얻을 수 있음. Curriculum Learning[1]이라고 불리는 개념에서 출발 [1] Curriculum Learning[1] : Machine Learning의 학습은 특정 순서로 training data를 sort하면 더 높은 accuracy를 얻을 수 ..
Yu Zeng et.al. 이번 논문은 Saliency Detection과 Weakly Supervised Semantic Segmentation을 2-stage model을 만들어 결합시킨 형태의 model에 관한 논문이다. Saliency Detection은 이미지로 부터 가장 관심이 가는 부분을 extract하는 방법이고 Weakly Supervised Semantic Segmentation(WSSS)은 이미지로부터 물체의 위치(pixel)을 extract하는데 이때 bounding box와 같은 불완전한 Label을 이용하는 방법이다. 기존에도 두가지 이론을 동시에 활용하는 방법은 존재 하였으나 본 논문의 가장 큰 차이점은 크게 두가지로 첫째는, 기존의 WSSS방법들은 pre-trained sal..