분류 전체보기 (32) 썸네일형 리스트형 [파이썬/Python3] 백준 10809번 알파벳 찾기 머리 식히기에 백준이 최고다,, 옜날 생각 나고 쉬운 문제 풀다보면 힐링되는 느낌,, ㅋ.ㅋ 🥲 S =input()position= [-1]*(ord('z')-ord('a')+1)for idx, j in enumerate(S): pos = ord(j)-ord('a') if position[pos]==-1: position[pos] = idxfor i in position: print( i,end=' ') S=input()for x in 'abcdefghijklmnopqrstuvwxyz': print(S.find(x),end=' ')find 함수는 어떤 찾는 문자가 문자열 안에서 첫 번째에 위치한 순서를 숫자로 출력하고, 찾는 문자가 문자열 안에 없는 경우에는 .. [Review] RESTAD : REconstruction and Similarity based Transformer for Anomaly Detection Ghorbani, R., Reinders, M. J. T., & Tax, D. M. J. (2024). RESTAD: REconstruction and Similarity based Transformer for time series Anomaly Detection. Manuscript under review. arXiv:2405.07509. 최신 논문 중 나랑 비슷한 고민 중인 논문을 발견해서, 간단히 모델 변경 없이 Transformer 모델에 적용해 볼 수 있을 것 같아 리뷰해보기로 하였다! 논문도 짧고 이런 방법론 너무 재밌자나💫😫 이 방법이 도움이 될지는 사용해봐야 알겠지만,, Contents1)Introduction -Limitations of Previous Research -A.. [Review] TranAD: Deep Transformer Networks for Anomaly Detection in Multivariate Time Series Data Tuli, S., Casale, G., & Jennings, N. R. (2022). TranAD: Deep Transformer Networks for Anomaly Detection in Multivariate Time Series Data. Proceedings of the VLDB Endowment, 15(8), 2277-2287. 이상 탐지 모델 중 마음에 들어서 사용해 보았던 모델을 리뷰해보려 한다!마음에 들었지만... 이젠 떠나 보내줄게..🥲 Contents 1)Introduction-Limitations of Previous Research-Transformer2)Model-TranAD①Encoder②Decoder③Loss Function④Anomaly Score3)Experimental.. [Review] LSTM Fully Convolutional Networks for Time Series Classification * Karim, F., Majumdar, S., Darabi, H., & Chen, S. (2018). LSTM Fully Convolutional Networks for Time Series Classification. IEEE Access, 6, 1662-1669.LSTM Fully Convolutional Networks for Time Series Classification 논문을 리뷰하면서 부족한 이론을 추가 정리하려고 한다.😂 https://ieeexplore.ieee.org/document/8141873Contents1)Introduction-Limitations of Previous Research-Purpose of Study2)Model- Proposed Model- Metho.. TensorFlow Developer Professional Certificate [3]-Quiz 해당 내용은 Laurence Moroney 교수님의 Coursera의 TensorFlow Developer Professional Certificate의 3주차 강의 Quiz 를 정리한 내용이다. ### 컨볼루션 연산에서 출력 크기 계산 컨볼루션 연산에서 출력 이미지의 크기를 계산하는 것은 입력 이미지의 크기, 필터(커널)의 크기, 패딩(padding)의 유무, 스트라이드(stride)의 값에 따라 달라집니다. 주어진 조건에서 출력 크기를 계산하는 방법은 다음과 같습니다. #### 기본 공식을 통한 계산: 1. **입력 이미지 크기** ( I ): - 주어진 문제에서 입력 이미지의 크기는 ( 28 x 28 )입니다. 2. **필터(커널) 크기** ( K ): - 필터의 크기는 ( 3 x 3 ).. TensorFlow Developer Professional Certificate [3]-3 해당 내용은 Laurence Moroney 교수님의 Coursera의 TensorFlow Developer Professional Certificate의 3주차 강의 Enhancing Vision with Convolutional Neural Networks 를 듣고 정리한 내용이다. 스따또.이제 관련 직종인 만큼 더 열심히 들어야겠다😎 이번 강의는 실제로 컨볼류션이 어떻게 움직이는지, 풀링 알고리즘을 생성하며 그 영향을 실습으로 확인하는 강의이다. - 이 실습에서는 2D 회색조 이미지에 기본 컨볼루션을 생성하여 컨볼루션이 작동하는 방식을 살펴본다.(1) Scipy에서 ascent image 다운로드(2) pyplot라이브러리 사용해 이미지 시각화(3) 이미지는 numpy 배열로 저장됨.그러므로.. [파이썬/Python3] 백준 2438번 별 찍기 - 1 문제 내 코드#2438num=input()for i in range(1,int(num)+1): for j in range(1,i+1): print("*",end='') print()* python 의 print 함수는 디폴트가 개행, end='\n' 로 설정되어있음. 다른 방법#2438n = int(input())for i in range(1, n+1): print("*" * i) MII,RMII,GMII,RGMII,SGMII 기본 용어가 부족하기때문에 정리를 해보았다. 10/100Mbps 의 이더넷칩에는 MAC 과 PHY 가 하나의 칩에 들어간다. 하지만 Gigabit 이더넷이 되면 MAC 과 PHY 가 분리된다. PHY 이 비트 데이터(디지털 데이터)를 전기적인 신호로 변환하고 이를 전송매체를 통해 전송하는 것을 말함 PHY에서 4B/5B 엔코딩,디코딩을 실행한다( 4비트 데이터를 5비트로 변환하는 방식으로, 데이터를 전송하기 전에 데이터를 조정하고 안정화하는 역할) 엔코딩은 데이터를 전송 가능한 형태로 변환하고, 디코딩은 전송된 데이터를 다시 원래의 형태로 복원하는 과정을 수행한다. 10/100Mbps 의 이더넷칩에는 MAC 과 PHY 가 하나의 칩에 들어간다. -"10/100/1000Mbps"는 해당 장비가 10Mbps.. 이전 1 2 3 4 다음
