2wnswoo 님의 블로그

산안기02

1. 자연발화의 조건- 표면적이 넓을 것- 발열량이 클 것- 열전도율이 작을 것- 주위 온도가 높을 것- 적당한 수분을 포함할 것- 열축적이 클 것 2. 방유제위험물을 액체 상태로 저장하는 저장탱크를 설치하는 경우에 위험물질이 누출되어 확산되는 것을 방지하기 위하여 설치함 3. 특수화학설비를 설치할 때 내부 이상 상태를 조기 파악하기 위하여 설치하는 것온도계, 유량계, 압력계 4. 말비계 - 지주부재와 수평면의 기울기를 75도 이하로 하고 작업발판의 폭을 40cm 이상으로 할 것 5. 낙하물방지망 설치기준 - 수평면과의 각도를 20도 이상 30도 이하를 유지 6. 압쇄기를 사용하여 건물 해체시 순서: 슬래브 > 보 > 벽체 > 기둥 7. 억측판단이 발생하는 배경-희망적 관측-불확실한 정보나 지식-과거의 ..

산안기01

히빙의 예방대책-흙막이벽의 근입깊이 증가-흙막이벽 배면지반의 상해하중 제거-저면의 굴착부분을 남겨두어 굴착예정인 부분의 일부를 미리 굴착하여 기초 콘크리트 타설- 굴착주변을 웰 포인트 공법과 병행- 굴착저면에 토사 등 인공중력 증가 안전점검의 목적- 기기 및 설비의 결함이나 불안전한 상태의 제거로 사전에 안전성을 확보하기 위함- 기기 및 설비의 안전상태 유지 및 본래의 성능을 유지하기 위함이다.- 재해방지를 위한 대책을 계획적으로 실시하기 위함이다.- 현장의 불안전 요인을 찾아 계획에 적절히 반영시키기 위함이다.- 재해의 재발을 방지하여 사전대책을 세우기 위함이다.- 사고원인을 찾아 재해를 미연에 방지하기 위함이다. 안전교육의 3단계지식교육 > 기능교육 > 태도교육 Y이론에 대한 관리 처방- 민주적 리더..

additional 추가적인accountable 책임이 있는administraition 행정anniversary 기념일announcement 공지appliance 가전제품applicant 지원자 [애플러컨트]appointment 약속appreciate 감사하다arrangement 준비assessment 평가associate 동료assortment 모음availability 이용가능성certification 인증celebration 축하commissioner 위원 [커미셔너]commitment 헌신committee 위원회communication 의사소통competition 경쟁competitive 경쟁적인competitor 경쟁자completion 완료comprehensive 종합적인construction..

1. 왜 Swin Transformer가 나왔나?문제: 원래 비전 트랜스포머(ViT)는 이미지를 조각(패치)으로 잘라서 모두 서로 비교(Self-Attention)해요.근데 이미지 크기가 커지면(고해상도) 조각 수가 미친 듯이 많아지고, 계산량이 터져버려요.해결책: Swin Transformer는 “한 번에 다 비교하지 말고, 작은 창(Window) 안에서만 비교하자”는 아이디어예요.그래서 계산량이 이미지 크기에 따라 선형(linear) 으로 늘어나도록 설계했어요 → 훨씬 효율적!2. 핵심 아이디어 두 개Hierarchical (계층적 구조)ViT는 이미지를 조각낸 뒤 그냥 끝까지 같은 크기의 패치로만 처리.Swin은 작은 패치부터 시작해서 점점 합치면서 큰 패치로 가요.이렇게 하면 작은 물체부터 큰 물..

Abstract기존의 CNN에 의존하는 것이 필수불가결한 문제가 되지 않았음CNN 기반 네트워크는 당시 SOTA 성능을 보였었음ViT는 CNN 기반 네트워크에 비해 훨씬 더 연산량이 적었음1 IntroductionCNN은 Inductive Biases 가 있음 / ViT는 없음평행이동 (translation) e.g. CNN, locality / translation(평행이동) equivalance 한계점 : CNN, RNN 둘다 global 한 영역을 보진 않았기에 이를 보완 할 연구 필요했음 pretrain : 본격적으로 모델 학습(task) 하기 전에 일반 데이터로 먼저 학습시키는 것 ViT이미지를 patch단위로 나눈다.이 나눈 patch들을 linear 하게 transformer 모델에 inp..

컬러 영상, 한 픽셀 표현 위해 3개의 채널 사용 (3byte 필요)*알파채널: 0: 완전 투명(transparent) 1: 완전 불투명 (opaque)OpenCVIntel에서 개발함2006년부터 지금까지 계속 개발 중임 ( 4.11.0 / 25.07.21 기준) --인터프리터: 코드를 한 줄씩 읽는 것을 의미컴파일러: 전체 코드를 한 번에 읽는 것을 의미sys 모듈: 인터프리터를 제어하는 데 사용 모듈

Knowledge Distillation 등장 이유?아래의 두 모델 이 있을때복잡한 모델 T : 예측 정확도 99% + 예측 소요 시간 3시간단순한 모델 S : 예측 정확도 90% + 예측 소요 시간 3분복잡한 모델 T가 학습한 generalization 능력을 단순한 모델 S에 전달 해주는 것Knowledge Distillation 등장 시기? Knowledge Distillation 하는 방법?*cumbersome model: 크고 복잡하고 학습이 잘 된 고성능 모델Distilling the Knowledge in a Neural Network Abstract머신러닝 알고리즘의 성능을 향상시키는 가장 쉬운 방법은 같은 데이터셋에 수많은 다른 모델들을 학습시키고, 예측값을 평균내는 방법임지식을 Dist..

모델과 연구 트렌드FLOPs연산량을 나타내는 지표. 파라미터 사이즈와 함께 주의 깊게 봐야 한다.리뷰한 Swin transformer 모델에 대한, 김중락 교수님의 코멘트지표를 보았을 때, ResNet과 Swin Transformer의 성능 차이는 크지 않다.Groot N12025년 3월에 발표된 모델. NVIDIA의 GPU Technology Conference(GTC)에서 공개됐다.*GTC: 반년 마다 열려 연에 두 번 개최되는 NVIDIA 컨퍼런스임수식 없이 기존 레퍼런스 방법을 설명하는 쪽에 가깝다.요즘의 많은 논문의 트렌트가 수식 없이 “모델이 좋다”, “성능이 높다”로 마무리된다.n1 Gr00t 논문 구조는 기존 논문 두 개를 엮은 형태로 Stage 1, Stage 2로 구성된다.LLM, Vi..

https://colab.research.google.com/drive/1TlvWglh-EI8bTKkeJSiDTzqCha0bbb4o?usp=sharing

Q-learning실제 행동이 아니라 이상적인 행동을 기준으로 하므로, 안정성이 떨어지는 환경에서 불안정할 수 있음강화학습에서 SARSA와 함께 언급되는 대표적 TD 학습 방법 대표적 TD 방식(한 시나리오가 끝나기전에 매 step 마다 더 좋은 action할 수 있도록 가치 함수를 업데이트 하여 더 좋은 정책으로 수렴하도록 하는 방식) TD방식중에 Qlearning 과 SARSA의 차이가 무엇? *행동 정책: 실제로 환경과 상호작용하며 action을 선택하는 정책*타깃 정책: 학습(업데이트) 하고자 하는 정책 SARSA 방식: 행동정책 = 타깃정책Q-Learning 방식: 행동정책 ≠ 타깃 정책 Q-learning의 장점실제 행동을 기준으로 하는 것이 아니라 최적의 행동을 기준으로 가치 함수를 업데..