programming

중요한 자료구조인 해시테이블을 알아볼 것이다. 1 전체구조 전체구조는 해시함수와 자료를 저장할 테이블로 나뉜다. 테이블은 배열로 만들고, 해시함수를 통해 해시 값을 구한 다음 배열의 크기로 나누어 배열의 인덱스로 사용하면 그 위치에 자료를 저장하게 된다. 그림 1이 해시테이블의 전체 구조를 보여준다. 2 해시함수 해시함수는 사람마다 구현 방식이 다르다. 예시를 들어보자면 hello라는 단어를 보자. 각각의 문자로 나누어 보면 h e l l o이고, 이 문자들을 아스키코드로 변환 후에 다 더한 것을 배열의 크기로 나누면 배열의 인덱스 값이 나오게 될 것이다. 그러나 이러한 형태는 한가지 단점을 가지는데, hello와 hlole를 구분하지 못한다. 그래서 보통 문자가 i번째 문자인지를 나타내도록 i를 곱한 ..

자료구조 3가지를 다뤄볼 것이다. 코테 때도 자주 사용하니 알아두는 게 좋다. 1 Queue 먼저 queue이다. 큐라고 쓰기도 한다. 큐는 선입선출이라고 해서 먼저 들어온 것이 먼저 나오는 구조를 가지고 있다. 예를 들어서 열차가 터널을 지날 때 앞부분이 먼저 들어가고 앞부분이 먼저 나온다. 또 내가 먼저 동물원에 들어가기 위해 줄을 먼저 섰다면 먼저 들어가게 될 것이다. 연결리스트와 배열을 이용한 구현방식이 있다. 그리고 큐는 종류가 선형큐와 원형큐로 나뉘는데 원형큐는 배열로 구현했을 때의 단점을 해소하기 위해 만들어졌다. 이 단점에 대해 간단히 설명하겠다. 보통 큐에서 앞쪽의 자료를 뺄 때 뒤에 있는 모든 원소를 한 칸씩 앞으로 움직이는 방법대신 front를 뒤로 한 칸 당긴다. 만약 자료가 1억 ..

원래 LeNet을 하려다가 50페이지나 되는 거 보고 도망쳤습니다. 나중에 시간 되면 해보는 걸로 해보죠. 논문은 여기 있습니다. AlexNet은 ImageNet LSVRC-2010 contest에서 우승한 model입니다. ReLU와 dropout 등 여러 기술을 도입해서 만든 최초의 모델입니다. 이게 나온 지 14년 밖에 안 된다는 게 놀랍네요. introduction부터 봅시다. 1 Introduction 현재 객체 탐지를 위한 접근 방식은 머신러닝 방식을 필수적으로 사용한다. 개선을 위해서 더 큰 데이터셋와 더 강력한 모델을 학습하고, 과적합을 방지하기 위한 더 나은 기술을 사용해야 한다. 간단한 객체 탐지 과제의 경우에는 적은 datasets으로도 충분히 가능했지만 현실에서는 더욱 다양한 물체가..