기초 통계학의 숨은 원리 이해하기

보호되어 있는 글입니다.

deepnet 패키지를 활용하여 MNIST data를 훈련시키기.training a deep network to read a number with deepnet package.(MNIST) 모델 : nn

Traing NN with h2o Traing NN with h2o h2o package로 XOR 훈련시키기 입력 및 출력 자료 input = matrix(c(0,0,1,1,0,1,0,1), ncol=2) output = matrix(c(0,1,1,0), ncol=1) data = cbind(input,output) h2o 불러들이기 library(h2o) ## Warning: package 'h2o' was built under R version 3.0.3 ## Loading required package: RCurl ## Loading required package: bitops ## Loading required package: rjson ## Loading required package: stat..

Training Neural Net using deepnet Training Neural Net using deepnet 뉴럴 넷 학습시키기 유명한 XOR input = matrix(c(0,0,1,1,0,1,0,1), ncol=2) output = matrix(c(0,1,1,0), ncol=1) deepnet으로 학습시키기 library(deepnet) ## Warning: package 'deepnet' was built under R version 3.1.2 nn

에서 발췌 3개의 카드가 뒤집어 놓여 있다. 1개의 카드에는 “자동차”가, 나머지 2개의 카드에는 “바나나”가 그려져 있다. “자동차”를 고르면, 최신형의 자동차를 받을 수 있다. 하지만 “바나나”를 고르면 꽝이다. 기회는 1번 뿐이다. 이것은 미국의 유명한퀴즈 프로그램에서 경품을 받을 수 있는지를 결정하는 과정이다.당신은 카드 하나를 고심 끝에 지목한다. 생각할 수 있는 모든 계시와 직관을 동원해서 결정한 것이다. 사회자는 그 카드를 뒤집어 보이기 전에, 나머지 두개의 카드 중 하나를 뒤집어서 그것이 “바나나”임을 보여준다. 휴~, 다행이다.그런데 사회자는 선택한 카드를 바꿀 수 있는 기회를 주겠다고 한다! 자, 카드를바꿀 것인가?카드를 바꾼다고 내가 “자동차”를 선택할 확률이 높아지겠는가? 믿기 힘들..

R의 package CRF를 활용하여,Bishop(2006, pp.387-389)에 소개된 denoising MRF를 구현해 보았다.다소 큰 이미지는 adjacency matrix를 만들기에 메모리가 부족하기에,작은 이미지 화일로 실험을 해 보았다. node potential 결정하는 게 어려워서 그냥 0으로 했다.edge potential를 포함해서 parameter를 적절히 정하는 법을 생각해봐야 할 듯 하다. 근데 train은 왜 안 되지? 결과. 왼쪽 위 : 원본, 왼쪽 아래 : 10% noise, 오른쪽 위 : icm으로 보정, 오른쪽 아래 : lbp로 보정 source : crf_denoising.R, image1 : alpha.jpg, image2 : R.jpg pr.noise= # nois..

Reading Aboy et al.(2006), I needed a function for computing lempel-ziv complexity.I searched throughout the internet, but I couldn't find one.So, I had to program one myself.Here are the source, an example and the result. # FUNCTION lempel.ziv(____.VEC, ____.VEC)# s is a sequence vector# alphabet is a vector of alphabet letters# function counts unique sub-sequence and normalized it# ref) Aboy e..

다음의 PDF 화일은 책에 포함된 내용에 대한 대략적인 소개입니다. 이름하여 "모분산을 알 때 모평균의 신뢰구간 구하기" 기존의 설명 방식이 전적으로 수학적이고, 부등식의 동치 조건을 강조한 반면, 좀 더 직관적으로 알기 쉽게 모평균의 신뢰구간에 대해 설명하고 있습니다. 이 책에서 제가 가장 좋아하는 부분입니다.

첨부된 PDF의 내용은 책에 포함되지 않은 내용으로,카이 제곱 검정법을 유도하는 방법에 대한 것입니다.