LaTeX에서 한글 입력하기

LaTeX에서 한글 입력하는 방법에 대해 알아보자. LaTeX에서 한글을 입력하기 위해서는 kotex라는 패키지를 사용하면 된다. 아래의 명령어를 latex파일에 입력하면 한글 입력이 가능해진다. \usepackage{kotex}

오일러 방법의 오차분석 Error bound of Euler’s method

이번 글에서는 오일러 방법의 오차분석에 대해 알아보자. 아래와 같은 미분 방정식이 있다고 하자. 여기서 가정하기로 를 bounded라고 하자. 여기서 이라고 하자. 라고 하고 라 하자. 는 미분방정식에 의한 실제 경로이고 는 오일러 방법을 활용해서 미분방정식을 근사한 것이다. 그러면 아래의 오차는 어떻게 될까? 이것을 유도하기 위해 테일러 정리를 사용해보자. 그러면 아래와 같은 가 존재한다. 가 bounded이므로 … Read more

Normalizing flow 설명

Normalizing flow에 대해 알아보자. Normalizing flow는 어떤 distribution을 알고 싶을 때 사용하는 기법이다. 어떤 상황에서 사용되는지 보자. Normalizing flow 수학적으로 표현하기 랜덤벡터 $\mathbf{X}$가 있을 때 이것의 확률밀도함수 (pdf: probability density function) $p_{\mathbf{X}}(\mathbf{x})$를 추정할 때 Normalizing flow를 적용할 수 있다. 랜덤벡터 $X$가 있을 때 이것의 pdf $p_{X}(x)$를 구하고 싶다. $p_{X}(x)$는 알턱이 없다. 알기가 어렵다. pdf가 알려진 어떤 … Read more

[Demo]Speech Enhancement with Flow Matching Method

    Speech Enhancement with Flow Matching Method Code here Train set: WSJ0-C0, Test set: WSJ0-C0 clean noisy Proposed Flow matching NFE=5 SGMSE_CRP NFE = 5 [1] (reimplemented) 440c020a.wav Your browser does not support the audio element. Your browser does not support the audio element. Your browser does not support the audio element. Your browser … Read more

논문리뷰 DALL·E 2 Preview – Risks and Limitations and Lessons learned on language model

Title: DALL·E 2 Preview – Risks and Limitations and Lessons learned on language model safety and misuse Rating: 3.5/5 Summary:   The articles provide valuable information on the utilization of language models such as DALL·E 2, covering topics such as risks, limitations, and ethical considerations. Real-world examples serve as valuable lessons, emphasizing the significance of … Read more

논문리뷰 e-CLIP: Large-Scale Vision-Language Representation Learning in E-commerce

Title: e-CLIP: Large-Scale Vision-Language Representation Learning in E-commerce Rating: 4/5 Summary The article proposes a way to train a computer to understand the language and visual properties of products in e-commerce. A contrastive learning is used with raw product text and images to train large-scale models. The authors shows methods for overcoming domain specific (e-commerce) … Read more

논문리뷰 150 Successful Machine Learning Models: 6 Lessons Learned at Booking.com

Title: 150 Successful Machine Learning Models: 6 Lessons Learned at Booking.com Rating: 4/5 Summary: The article explains six important lessons that the authors experience while de-veloping 150 machine learning models at Booking.com. They explain each lesson with real world examples and demonstrates it’s important to consider the business, analyze the results, and im-prove the models. … Read more

[GIST 2022 Spring 기계학습 및 딥러닝 HW3] Gaussian Mixture Model, Do detailed derivations of EM algorithm for GMM, in the case of arbitrary covariance matrices.

광주과학기술원 2002 Spring semester 손진희 교수님의 기계학습 및 딥러닝의 Homework 3 문제와 풀이입니다. 틀린내용 있을 수 있으니 너그러히 봐주시면 감사하겠습니다. 문제 시에 곧바로 삭제하겠습니다. Problem 1 Gaussian Mixture Model (100 Points) Gaussian mixture model is a family of distributions whose pdf is in the following form: \begin{align} \text{gmm}(\mathbf{x}) = p(\mathbf{x}) = \sum_{k=1}^{K} \pi_k \mathcal{N}(\mathbf{x}|\mathbf{\mu}_k,\Sigma_k), \end{align} … Read more

[pytorch, 파이토치] 모델의 parameter 학습 안하기

import torch import torch.nn as nn import torch.optim as optim model = … # 모델 정의 for param in model.parameters(): #모델의 모든 parameter 에 대한 gradient 추적 안하게함 param.requires_grad = False 위에 처럼 하면, 모델의 모든 parameter가 학습되지 않는다. 모델의 특정 모듈의 parameter만 업데이트 하고 싶지 않다면 아래와 같은 코드를 사용하자. for param in model.submodule.parameters(): … Read more

증명할 때 필요한 함수 f(x)의 x=a에서 미분에 대한 유용한 정의

함수 $f(x)$가 있다고 합시다. 때때로 함수 $f(x)$의 $x=a$에서 미분을 구하려고 합니다. 과연 미분은 어떻게 정의될까요? 미분을 정의하는 방법에는 여러가지가 있습니다. 가장 기본적으로  극한으로 정의하는 방법이 있습니다. 그런데, 미분의 원래 정의를 이용하면 이것저것 증명하는데에 있어서 불편함이 있습니다. 따라서 저는 미분에 대한 정의를 어떤 함수에 대해 정의해보겠습니다.   미분에 대한 또다른 정의 함수 $f(x)$가 있다고 합시다. 함수 … Read more