Have you tried it? 안되면 될때까지

사람은 행복하기로 마음먹은 만큼 행복하다. – 에이브러햄 링컨 –

저희 프로젝트 논문이 정보처리학회 추계학술대회 학부생 논문 경진대회에서 대상을 수여받았습니다! 일년간 고생한 만큼 뿌듯하고 기쁜 소식인 것 같습니다. 학교에 저희의 이름이 걸려있다는 것은 매우 자랑스러운 일인 것 같습니다. 남은 한이음 공모전에서도 좋은 성적을 거두어 저희 프로젝트의 성과를 인정받았으면 좋겠습니다!

경기도형 취업브리지 과정을 무사히 수료하였다. 수료식에 참가해 참가 소감을 말하기도하고 소정의 상품을 받기도 하였다. 1년간 재밌었고 유익하고 좋은 프로그램이었던 것 같다.

2020/10/06 - [Project/재난 군집드론] - mavros install ( jetson nano mavros ) mavros install ( jetson nano mavros ) pc ) serial1은 57200 (telem1) serial2는 921600으로 설정되어 있을 것입니다. 이러한 설정값은 Qgroundcontrol에서 설정하거나 확인할 수 있습니다. 설정을 마치셨다면, 실행하기만 하면 됩니다! 실행 코드는 저의 경우 네임스페이스를붙여 다른 로봇들과 구분을 주었지만, 우선 한대만 연결하는것을 목표로 한다면 ROS_NAMESPACE 없이 roslaunch mavros px4.launch 만으로 실행할 수 있습니다. 마지막으로 여기까지 실행이 모두 되었다면, 위 사진과 같이 MA..

# coding: utf-8 import sys, os sys.path.append(os.pardir) # 부모 디렉터리의 파일을 가져올 수 있도록 설정 import numpy as np from collections import OrderedDict from common.layers import * from common.gradient import numerical_gradient class MultiLayerNet: """완전연결 다층 신경망 Parameters ---------- input_size : 입력 크기（MNIST의 경우엔 784） hidden_size_list : 각 은닉층의 뉴런 수를 담은 리스트（e.g. [100, 100, 100]） output_size : 출력 크기（MNIST의 경..

Overfitting : 학습데이터에 너무 최적화되어 weight 값이 잡히고, 이후 학습 데이터가 아닌 새로운 데이터에는 올바른 값을 내보내지 못하는 형상. 매개변수에 비해 상대적으로 훈련 데이터 수가 적을 때 일어난다. Regularization : 데이터에 너무 과적합되어 모델이 피팅되었으니, 이를 좀 덜 적합하게 하고, 이후 새로운 데이터에도 일반적으로 들어맞는 모델을 만들어야 한다. 이 때, 과적합이 아닌 일반성을 띄게 해주는 기법 파라미터 : 훈련 데이터의 정보를 담는 슬롯 정보의 슬롯이 많아서 필요없는 특수한 정보 (MNIST에서의 예는 어떤 사람의 특유의 필체 같은 것 , 사실은 숫자의 모양만 알면 됨) 같은것이 너무 많이 들어가 일반적인 데이터는 판단을 못하게 되는 것입니다. 사실 파라미..

2020/10/26 - [Study/인공지능] - Xavier/He 초기값 ( 인공지능 기초 # 18 ) 초기값은 은닉층에서 데이터의 분포가 너무 가운데로 쏠리거나 양 사이드에 치우치지 않게 함으로써 학습이 순조롭게 되도록 하는게 목표였습니다. 오늘 공부할 배치 노멀레이션은 초기값을 통해서 데이터의 분포를 컨트롤하는게 아닌, 아파인층과 활성화 층 사이에 데이터의 분포를 컨트롤해주는 층을 끼워 넣습니다. 머신이 데이터로부터 가장 효율적인 평균과 표준편차를 스스로 학습을 해 나가는 것입니다. 데이터가 n개가 주어져있고, 평균을 0으로 만드려면 평균을구해서 빼준다. u도 역시 배터이다. 첫번째 열의 평균을 구해서 첫번쨰 열에 일일이 다 뺴주고 첫번째 열의 표준편차를 구해서 첫번째 열에 일일이 다 나눠주는 작업..