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 |
31 |
- 확률과 통계
- BFS
- 산업공학
- genetic algorithm
- Traveling salesman problem
- Metaheuristic
- Hoeffding's Inequality
- 딥러닝
- 머신러닝
- 유전알고리즘
- 통계
- 학습이론
- 확률공리
- 휴리스틱
- 컴퓨터공학
- 배반사건
- NP-Hard
- 조건부확률
- 확률과통계
- BOJ
- 최적화
- 확률
- 독립사건
- 너비우선탐색
- 백준
- 알고리즘
- routing problem
- 베이즈 정리
- Today
- Total
목록분류 전체보기 (7)
SU Library
이번 포스팅에서는 앞선 포스팅 통계이론 - 조건부확률1에서 정리한 내용을 바탕으로 베이즈이론에 대한 소개와 증명을 다루는 내용을 포함하겠습니다. 전환률 공식: $$사건 B_1, B_2,..., B_k$$ 에 대하여 $$ B_i \cap B_j = \varnothing , i \neq j$$ 이고, $$ \bigcup_{i=1}^{k} B_i = S$$ 를 만족할 경우 $$P(A) = \sum_{i=1}^{n}P(B_i)P(A|B_i)$$ 가 성립한다. Proof. $$ P(A) = P(A \cap S) = P \left( A \cap \left( \bigcup_{i=1}^{k} B_i \right) \right) = \sum_{i=1}^{k} P(B_i)P(A|B_i) $$ 첫번째 가정은 사건 $B$는 ..
정말 오랜만에 글을 쓰네요. 6월 7일 디펜스이후로 열심히 블로그를 하려고했지만, 디펜스이후 치워야될 일들이 너무 불어나는 바람에... 바빠서 현실과 싸우는 중입니다. 그와중에 몇가지 정리된 사안들이 있어서 약간의 여유가 생긴지라, 그동안 배웠던 지식을 복습하고, 다시 정리하는 차원에서 대표적인 메타 휴리스틱 알고리즘인 Genetic Algorithm(GA)에 대해 작성하게 되었습니다. ㅎㅎ 최적화학문에 대한 첫 포스팅인 만큼 메타휴리스틱이 무엇인지, 이걸로 무엇을 할건지에 대해 간략히 설명하고 넘어가겠습니다. 메타 휴리스틱이란? 풀고자하는 문제의 최적해(정답)를 제한된 시간과 한정된 자원으로 풀기위한 알고리즘 입니다. 이는 선형계획모델 등 전통적인 최적화 기법으로 reasonable한 시간안에 풀기 어..
보통 확률론에서, Hoeffing's inequality는 upper bound를 제공하고, 이는 독립적인 랜덤 변수들의 합이 랜덤 변수들의 기대값에서부터 일정량이상 벗어날 확률을 구하는 것이다. 여기서 랜덤 변수들에 대한 제약조건이 하나 붙는데, 이는 일반 independent random variable이 아닌, bounded independent random variables이므로, 각 변수들은 $$a_i \leq X_i \leq b_i$$로 특정 범위 내에서 랜덤 변수들임을 의미한다. 가정 $$X_1,X_2,...X_n$$ 은 독립적인 랜덤 변수들이고 $$(a_i \leq X_i \leq b_i)$$를 만족한다. 또한 범위 $$(a_i \leq X_i \leq b_i)$$에 존재하는 모든 X들은 ..
SQL 쿼리문 기본 정리 컬럼의 종류 데이터 유형 설명 Varchar Character varying의 약자로 가변 길이의 문자열 정보임 sql의 경우 최대 8000바이트 저장 가능 NUMERIC 정수, 실수 등 숫자 정볼르 가지고 있음 표기법의 예로 정수부분이 6자리 소수점이 2자리인것을 표현하면 NUMERIC(8,2)로 표기하면 된다. DATE 날짜와 시간정보 관리함 제약 조건의 종류 PRIMARY KEY(기본키) : 기본키 중복안되고, NULL입력 안됩니다. UNIQUE KEY(고유키) : NULL있어도 됨, 다만 중복만 안됩니다. NOT NULL : 무조건 비우면 안됨 'DEFAULT'설정이 되어있으면, 새로운 로 추가시 아무값입력안하면 디폴트 세팅이 들어갑니다. CHECK : TRUE FALSE..
다시 통계공부를 시작해서 오늘은 통계 기초에 대해 포스팅하려고 합니다.머신러닝과 딥러닝에서는 베이즈 이론이 상당히 많은 부분을 차지하므로, 이를 다시 공부하는 것에 포커스를 맞추려고 합니다. 이를 이해하기 위한 기초적인 개념에 대해 포스팅하겠습니다. 확률공리 어떤 사건 A가 발생할 확률은 0보다 같거나 큽니다. $$P(A) \geq 0$$ 모든 표본공간(사건이 발생하는 모든 경우를 모아놓은 공간) S에 대한 확률의 값은 1입니다. $$P(S)=1, S =\{A_1, A_2,A_3, \dots, A_n\}, $$ 표본공간 S에 정의된 사건열에 대해 겹치지 않으면(mutual exclusive), 다음이 성립합니다.$$P(\cup_{i=1}^{\infty}A_i)= \sum_{i=1}^{\infty}P(A_..
백준 7576번 토마토 문제에 대한 포스팅을 올리겠습니다. 문제정의 이는 전형적인 BFS 문제입니다. N x M의 상자를 입력받고, 상자 내에 토마토(1아니면 0), 칸막이(-1)의 값을 입력받습니다. 1의 경우 익은 토마토, 0은 익지 않은 토마토를 뜻합니다. 특이한 것은 보관 후 하루가 지나면 1에 인접한(좌,우,위,아래 4방향) 익지않은 토마토들이 모두 익은 토마토로 변합니다(인접한 0의 원소들이 전부1로 변하는 과정입니다). 이렇게 기존 익은 토마토들에 인접한 익지 않은 토마토들이 익는데 하루(+1)가 걸린다고 가정합시다. 그리하여 상자 내의 모든 토마토가 1이 되는데 어느정도의 시간이 걸리는지 구하는 문제입니다. 입출력 정의 첫 줄에는 상자의 크기를 나타내는 두 정수 M,N이 주어진다. M은 상..
*시작하기에 앞서 스탠포드 대학의 CS224W강의를 듣고 제가 공부하고 이해한 것을 정리해놓은 것입니다. 그래프는 복잡한 세상을 표현하는 일반적인 수단중 하나입니다. 대표적으로 그래프로 표현될 수 있는 정보는 페이스북의 친구관계, 유튜브 알고리즘, 네플릭스 시청자 분석 등이 있지요. 뿐만 아니라 생물학의 단백질 구조, 이미지 내에서으 의 오브젝트의 관계 등등 생각보다 많은 것들을 그래프로 표현할 수 있습니다. 머신러닝 관점에서 그래프는 복잡한 도메인들을 관계그래프로써표한할 수 있는 풍부한 관계 구조를 가지고 있는 것이고, 우리는 이러한 관계를 모델링함으로서, 좋은 퍼포먼스를 얻는 것을 목표로 합니다. Ways to Analyze Networks 네트워크(그래프)를 분석하는 방법은 크게 다음과 같은 방법들..