All Posts

석사를 한지 어느 덧 100일을 훌쩍 넘기고 200일에 수렴해가는 지금, 다음 학기에 벌써 1차적으로 졸업시험에 도전하게 된다. 솔직히 1기 때는 많은 시행착오와 장소든, 학업적인 면에서 적응하는데 굉장히 많은 시간을 썼던 것 같다. 2기인 현재는 어느 정도 랩 분위기와 코웍 환경에 대해 많이 익숙해져있지만, 여전히 배우는 단계이기 때문에 많이 부족한 게시물일 수도 있다.

A quantitative analysis of You Young's triple axel execution during the 2022 Beijing Olympics short program using computer vision pose estimation techniques to examine the technical judging criteria for jump rotation assessment.

인공지능 분야에서 머신러닝(기계학습)은 다량의 데이터를 토대로 컴퓨터가 학습을 하게 되는데, 컴퓨터가 하는 작업은 크게 두 가지로 나뉜다. 표현(representation): 데이터 표현, 일반화(generalization): 주어지지 않은 데이터 처리 학습 종류는 머신러닝 처음 배울 때...

큰 범주 즉 heterogenous group을 작은 homogeneous(동일한 목표 값)로 나뉜다. 이 때 나뉠 때는 best split rule에 따라 나뉘게 되는데, 기준은 나누는데 있어서 얼마나 나뉜 값들이 한 목표값만으로 분류되었는지(purity)이다.

KNN에서 배운 바와 같이 비슷한 개체를 묶어서 분류하는 방법이다. 대표적인 Unsupervised learning의 형태로, labed된 데이터가 필요없는 학습 방법이다. 클러스터링은 보통 검색 엔진에 활용되는데, 유사한 단어가 출현이 기대되는 검색된 문서들끼리 같은 클러스터로 묶이게 된다.

KNN은 K Nearest Neighbor의 준말로 이번 포스팅에서 알아볼 방법은 데이터 분포 상 기준에서 가장 가까운 데이터 K개를 자신과 같은 항목으로 분류하는 방법이다. 분류할 때는 euclidean 방법으로 거리 반경 내 유무로 판단하게 된다. 아래는 거리 계산 방법 중 두 가지를 소개한다.

기존에는 문제를 해결하는데 있어서 상태가 알 수 없었던 상태(black box)였다면, 앞으로 해결할 문제들은 공역(domain) D 내에서 상태가 정의 된다. 이 때 목표에 대한 비용은 문제 영역으로 한정된(domain-specific) heuristic function으로 평가가 되며 모든 변수의 값이 해당 변수에 가해진 모든 constraint를 충족하면 문제..

이전과 다르게, 한정된 환경에서 1개의 Agent가 목표를 향해 수행했 것과 반면, 이번 시간에 알아볼 검색 방법은 2개의 Agent가 대립하여 한정된 자원을 차지하는 것이 목표인 방법이다. 상대의 상태를 예측함으로써 자신의 action을 결정하고 번갈아가며(turn-taking) 완전이 관측이 가능한 상태(perfect information)에서 zero-...