Studies
-
[딥러닝의 이해] 학습이란? + Loss FunctionStudies/Data Analytics&ML 2023. 9. 17. 17:47
학습의 목적 : 정답과 예측 결과의 차이를 최소화 crieteria (기준) input -> ( predicted result - ground truth(정답) ) minimize idle case는 predicted result - ground truth(정답) = 0 -> 수학적 도구가 필요 (선형대수 , 확률론 , 최적화 이론(미분 중심)) predicted result - ground truth(정답) 딥러닝을 위한 수학적 배경 선형대수학 , 확률론 , 및 최적화 이론 (미분 중심) 데이터 가공부터 학습 및 테스트까지 모든 과정에서 수학 이론 필요 딥러닝을 위한 데이터 구조 Tensor (텐서) : 데이터 덩어리 Scalar / Vector / Matrix : 모두 Tensor의 다른 형태 Ten..
-
MSI protocol - NuSMV 구현Studies/Formal Verification 2023. 3. 10. 14:12
1. 관련 노트 2. 관련 코드 MODULE main VAR -- cpu_op1234: {rd1, wr1, rd2, wr2, none}; cpu_op1234: {rd1, wr1, rd2, wr2, rd3, wr3, none}; -- cpu_op1234: {rd1, wr1, rd2, wr2, rd3, wr3, rd4, wr4}; cache1 : {state_M, state_S, state_I, tr_S2M, tr_I2M, tr_I2S}; cache2 : {state_M, state_S, state_I, tr_S2M, tr_I2M, tr_I2S}; cache3 : {state_M, state_S, state_I, tr_S2M, tr_I2M, tr_I2S}; bus: {rd, rdx, upgrade, flus..
-
07 IP 프로토콜Studies/Network 2023. 2. 12. 16:51
01 네트워크 계층의 기능 연결형 서비스와 비연결형 서비스 연결형 서비스란? 패킷들이 모두 동일한 경로를 이용하여 목적지에 도착하는 패킷의 순서가 송신된 순서와 동일한 것 비연결형 서비스란? 패킷들이 독자적인 경로로 수신 호스트까지 전송되는 것 상위 계층인 전송계층에서 수신한 패킷의 순서를 재조정하는 기능이 필요함 네트워크 계층 기능 - IP 프로토콜 (비연결형 서비스) 전송 계층 프로토콜 - TCP (연결형 서비스) 전송 계층 프로토콜 - UDP (비연결형 서비스) 라우팅 정적 라우팅 경로 정보를 라우터에 미리 저장하여 중개 경로 정보가 고정되어 변화된 정보를 갱신하기 쉽지 않음 실시간으로 네트워크 내부의 혼잡도를 반영할 수 없음 동적 라우팅 경로 정보를 네트워크 상황에 따라 적절하게 변경 현재의 네트..
-
Cache CoherenceStudies/Formal Verification 2023. 1. 26. 10:33
Cache Memory란? https://www.techtarget.com/searchstorage/definition/cache-memory What is Cache Memory? Cache Memory in Computers, Explained Learn the meaning and different types of cache memory, also known as CPU memory, which provides faster access to frequently used program instructions or information that the CPU is likely to need next. www.techtarget.com - cache controller란? : a hardware bloc..
-
[머신러닝] 회귀(Regression)Studies/Data Analytics&ML 2023. 1. 23. 14:32
01 데이터셋 불러오기 # 기본 라이브러리 import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # skleran 데이터셋에서 보스턴 주택 데이터셋 로딩 from sklearn import datasets housing = datasets.load_boston() # 딕셔너리 형태이므로, key 값을 확인 housing.keys() # 판다스 데이터프레임으로 변환 data = pd.DataFrame(housing['data'], columns=housing['feature_names']) target = pd.DataFrame(housing['target'], columns=['Target']..