본문 바로가기

전체 글133

over-smoothing, over-squashing이란? 오버-스무딩(over-smoothing)과 오버-스쿼싱(over-squashing)은 머신 러닝 및 딥 러닝에서 발생할 수 있는 문제입니다. 오버-스무딩은 그래프 신경망(GNN)이나 합성곱 신경망(CNN)과 같은 모델에서 발생하는 현상입니다. 이 현상은 네트워크가 반복적으로 정보를 통합하면서 노드 또는 픽셀의 특징을 지나치게 평활화시키는 결과를 가져옵니다. 즉, 네트워크가 인접한 노드 또는 픽셀의 정보를 계속해서 평균화하면서 지역적인 특징이 희석되고, 전체적으로 유사한 특징을 가진 노드 또는 픽셀로 수렴하게 됩니다. 이로 인해 네트워크가 지역적인 차이를 인식하지 못하고 전체적인 특징만을 반영하게 되는 문제가 발생합니다. 오버-스쿼싱은 활성화 함수(activation function)를 사용하는 모델에서 .. 2023. 8. 7.
spectral theory - graph adj matrix를 Laplacian으로 나타내는 프로세스와 Laplacian으로 표현하는 이유? 스펙트럴 이론은 그래프의 인접 행렬을 라플라시안으로 표현하는 과정입니다. 라플라시안으로 표현하는 이유는 그래프의 구조적인 특성을 파악하고 그래프에 내재된 정보를 추출하기 위해서이며, 라플라시안은 그래프의 행렬 표현 중 하나로, 각 정점의 연결 상태를 나타내는 인접 행렬을 사용하여 구할 수 있습니다. 이때, 라플라시안 행렬은 그래프의 노드 간 연결 관계와 차수(degree)에 기반하여 구성되고, 그래프의 노드 간 연결 관계를 나타내는 인접 행렬을 L이라고 한다면, 라플라시안 행렬은 L = D - A로 표현할 수 있습니다. 여기서 D는 차수 행렬(Degree Matrix)이고, A는 인접 행렬(Adjacency Matrix)입니다. 차수 행렬은 그래프의 각 정점의 차수를 대각 원소로 가지는 대각 행렬로 정의.. 2023. 8. 7.
알고리즘 가이드 도움이 될 링크들 백준 온라인 저지 - https://www.acmicpc.net 백준 온라인 저지 슬랙 - https://www.acmicpc.net/slack 백준 문제 난이도 보여주는 서비스 - https://solved.ac 알고리즘 랭겜 코드포스 - https://codeforces.com (그린 민트 블루 퍼플 오렌지 레드 누텔라 등은 코드포스 레이팅을 의미합니다) 라이님의 알고리즘 강좌 - https://kks227.blog.me/220769859177 BaaaaaaaarkingDog님의 강좌 - https://blog.encrypted.gg/category/강좌 Lawali님의 강좌 - https://blog.naver.com/PostList.nhn?blogId=ingu9981&catego.. 2023. 8. 7.
배열에서 최솟값 찾기 n = [13,6,9,8,12] def min(array, com): # array의 비교할 것이 남아있지 않다면, if not array: # com을 넘기면서 프로그램을 종료한다. return com # 배열의 첫번째를 now로 선언. now = array[0] # now가 com보다 작다면, if now < com: # 배열의 첫번째수가 비교하는 수보다 작으면, now를 com로 대체한다. return min(array[1:], now) # now가 com보다 작지 않다면, else: # 배열의 첫번째가 비교하는 수보다 작지 않다면, com을 유지한다. return min(array[1:], com) print(min(n, n[0])) 해당 함수의 시간복잡도는 배열의 길이의 비례만큼 실행되기 때문에.. 2023. 8. 7.
Awesome-Computer Vision GAN paper Generative Adversarial Networks, 2014, NIPS, Paper Conditional Generative Adversarial Nets, 2014, Arxiv, Paper Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks, 2016, ICLR, Paper 2023. 8. 7.
Awesome-Computer Vision Detection paper Rich feature hierarchies for accurate object detection and semantic segmentation, 2014, CVPR, Oral, Paper Fast R-CNN, 2015, ICCV, Oral, Paper Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks, 2015, NIPS, Paper You Only Look Once: Unified, Real-Time Object Detection, 2016, CVPR, Oral, Paper SSD: Single Shot MultiBox Detector, 2016, ECCV, Oral, Paper Training Region-b.. 2023. 8. 7.
Awesome-Recommender systems 2022 PinnerFormer: PinnerFormer: Sequence Modeling for User Representation at Pinterest (KDD&#39;22) ItemSage: ItemSage: Learning Product Embeddings for Shopping Recommendations at Pinterest (KDD&#39;22) DuoRec: Contrastive Learning for Representation Degeneration Problem in Sequential Recommendation (WSDM&#39;22) FMLP-Rec: FilterEnhanced MLP is All You Need for Sequential Recommendation (WWW&#3.. 2023. 8. 7.
Awesome-Computer Vision Classification paper ImageNet Classification with Deep Convolutional Neural Networks, 2012, NIPS, Spotlight, Paper, Official Code, Open Review, Review Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition, 2014, ECCV, Paper Visualizing and Understanding Convolutional Networks, 2014, ECCV, Paper Network In Network, 2014, ICLR, Paper OverFeat: Integrated Recognition, Localization and Detection .. 2023. 8. 7.
Awesome-ComputerVision (학회) CVPR (IEEE Conference on Computer Vision and Pattern Recognition) - 홈페이지 - CVPR 2018 - CVPR 2017 - CVPR 2017 open access ICCV (International Conference on Computer Vision) - ICCV 2017 - ICCV 2017 open access ECCV (European Conference on Computer Vision) - ECCV 2018 - ECCV 2016 NIPS (Neural Information Processing Systems) - 홈페이지 - 논문모음 ICLR (International Conference on Learning Representations) -.. 2023. 8. 7.
Ubuntu(우분투) 명령어로 휴지통비우기 rm -rf ~/.local/share/Trash/files/*해당 명령어를 실행하면 윈도우의 휴지통 비우기와 같이 파일을 삭제합니다. 2023. 8. 7.
Jupyterlab setting Jupyterlab는 다음 명령어로 가능하며, 공식문서를 참조하면 다양한 설치 방법을 알 수 있다. : Jupyterlab Docs Link pip install jupyterlab Jupyter notebook이 설치된 후 jupyter lab --generate-config 명령어를 실행하면 config 파일이 /root/.jupyter/ 에 생성된다. 그리고 비밀번호를 설정하기 위해서 Ipython을 입력 후 >>> from notebook.auth import passwd >>> passwd() 을 실행하여 본인이 사용하는 비밀번호를 설정한다. 실행하게되면 암호화된 문자열이 나오는데 이를 복붙하여서 설정에 사용한다. 그리고 config file을 열어 아래와 같은 코드를 추가한다. c = get_.. 2023. 8. 7.
Docker를 사용한 딥러닝 학습 환경세팅 2022년 4월 9일 현재 내가 사용하는 GPU들이다. 연구실에서 2080TI, 3090을 사용하고 있으며, NIPA를 통해 20TF 자원을 할당받아서 사용하고 있습니다. 각각 GPU마다의 Docker container를 jupyter notebook으로 연결해두어서, 외부에서도 작업이 가능하게 설정해두었으며, Docker image로는 teddylee777/dl-cuda11를 사용하였으며, [링크]로 들어가시면 받으실 수 있습니다! ubuntu 환경에서 docker를 사용해서 환경을 세팅하닌깐 예전에 ubuntu를 사용하면서 라이브러리 관리가 제대로 이루어지지않아서 포맷 3연벙을 당한 뒤로는 local pc에 ubuntu를 깔고싶다는 생각을 못하게 되었지만, docker를 사용하게 되면서 이러한 걱정이.. 2023. 8. 7.
2022년 회고록 2022년도는 경기대학교 컴퓨터과학과에서 석사 1,2학기 과정을 진행하며, 대학원에서 석사총무 일도 맡아하였으며, 대외활동으로는 DIYA, 가짜연구소에 참가하였습니다. 21년도까지는 Computer Vision 관련된 논문을 많이 읽었다면, 22년도에는 추천시스템에 대해서 공부하기 위해서 Graph Neural Network에 관한 논문들을 위주로 리뷰하고 대외활동도 Graph쪽 팀에 속하여서 여러 프로젝트를 진행하였습니다. 이상! 2023. 8. 7.
2021년 동안 한 활동 Paper review 1. ImageNet Classification with Deep Convolution Neural Network 2. Network In Network 3. Visualizing and Understanding Convolutional Networks 4. OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks 5. Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 6. Very Deep Convolutional Networks for Large-Scale Image Recognition.. 2023. 8. 7.
자기소개, 2021년 회고록 먼저 그 동안의 한 활동의 이력을 기록하기 전에 나에 대한 소개와 그동안 진행했던 것들에 대한 설명을 먼저 하는게 맞는 것 같아 작성합니다! 우선 저는 경기대학교 컴퓨터과학과에 입학하였으나, 중간에 컴퓨터공학부로 변경되고 현재는 AI컴퓨터공학부로 변경되었으며, 졸업은 AI컴퓨터공학부 소속으로 2022년 2월 25일 학위수여식을 남겨두고 있습니다! 2015년도에 15학번으로 입학하여서 군대를 갔다온 뒤 복학을 2019년도에 했지만 적응기간이 필요해 제대로 된 공부를 했다!라고 말할 수 있는 시기는 2020년도라고 할 수 있으며, 이때 경기대학교 김남기 교수님과 Contact을 통해 2020년도 1월부터 경기대학교 Ubiquitous Network System laboratory(UNS LAB)에 소속되었으.. 2023. 8. 7.
우분투 시스템 리소스(자원) 모니터링하기. MacOS에서는 ServerCat을 통해 개인 서버를 모니터링하였으나, Windows 환경에서는 마땅한 대안이 없다. 때문에, 여러 방안을 찾게되었는데, 그 중 하나가 [Netdata](https://github.com/netdata/netdata) 라는 툴이있었다. 평소에 내가 원하는 시스템 모니터링 환경은 다음과 같다. 1. 어디서든 접속이 가능할 것. (모바일, 태블릿, 인터넷브라우저) 2. UI가 편하고, 직관적일 것. 3. 하나의 IP에 Port binding을 통해 분리가 가능할 것. 다음과 같은 요구조건이 있었는데, Netdata는 1,3번을 만족하는 조건을 가지고 있는 것 같고, 2번은 개인적인 취향이 반영되고, Custom이 가능하기에 제외하였다. 본 포스팅에서는 설치 방법과 외부접속을 .. 2023. 8. 6.
Level 1. 개발 환경 설정 수업준비를 위한 Link Chrome vscode node.js Vue.js dev tools 참고 Link learn-vue-js_git 초심자를 위한 Github 협업 튜토리얼 (with 토끼와 거북이) 팀 개발을 위한 git, github 시작하기 vscode setting list Vetur Night Owl Material Icon Theme Live Server (live server을 이용해서 별도의 서버없이 바로 실행결과를 확인) ESLint Prettier Auto Close Tag Atom Keymap command + option + i (개발자도구) 2020. 12. 28.
Level 1. Vue.js 소개 MVVM 모델에서의 Vue Vue는 무엇인가? MVVM 패턴의 뷰모델(ViewModel) 레이어에 해당하는 화면(View)단 라이브러리 View - 브라우저에서 사용자에 비추어지는 화면(html) DOM Listeners - View의 이벤트 요소들을 청취하여 자바스크립트를 Model에서 실행 Data Bindings - Model의 변동된 사항을 View에 전달 vscode에서 ! + tab - html 기본적인 폼 div#app - 생성 기존의 웹 개발 방식 (HTML, Javascript) Reactivity 구현 (Vue의 핵심) data의 변화를 라이브러리에서 감지하여서 알아서 화면을 자동으로 그려주는 것 Object.defineProperty() API 문서 링크 Reactivity 코드 라이.. 2020. 12. 28.
Level 1. 인스턴스 Cracking Vue.js MDN 생성자 함수 설명 문서 MDN Prototype 설명 문서 Vue에서 제공하는 api와 속성 기본적인 생성자 함수의 정의 Vue를 생성자 관점에서 찍어내는 이유 아래와 같이 Vue의 인스턴스를 사용하여서 객체를 생성할때마다, 함수를 정의하는 것이 아니라, 생성자를 사용하여서 사용할 수 있다. 인스턴스의 속성, API들 2020. 12. 28.
Level 1. 컴포넌트 통신 방법 - 기본 컴포넌트 통신 방식 뷰 컴포넌트는 각각 고유한 데이터 유효 범위를 갖습니다. 따라서, 컴포넌트 간에 데이터를 주고 받기 위해선 아래와 같은 규칙을 따라야 합니다. 상위에서 하위로는 데이터를 내려줌, 프롭스 속성 하위에서 상위로는 이벤트를 올려줌, 이벤트 발생 컴포넌트 통신 규칙 방식을 통하여서 컴포넌트 간의 데이터 흐름을 손쉽게 확인할 수 있기 때문이다. props 속성 event emit {{ num }} 뷰 인스턴스에서의 this this 관련 글 1 this 관련 글 2 2020. 12. 28.
728x90
반응형