목록DeepLearning (27)
주뇽's 저장소
A GNN-Based Supervised Learning Framework for Resource Allocation in Wireless IoT Networks 무선 IoT 네트워크에서 리소스 할당을 위한 GNN 기반 지도 학습 프레임워크 ABSTRACT 사물 인터넷(IoT)을 통해 물리적 장치를 무선 네트워크를 통해 연결할 수 있다. 디바이스 간(D2D) 통신이 IoT의 유망한 기술로 떠오르고 있지만, D2D 리소스 할당을 위한 기존의 솔루션은 일반적으로 계산이 복잡하고 시간이 많이 걸린다. 이러한 높은 복잡성은 무선 IoT 네트워크의 실제 구현에 큰 걸림돌이 된다. 이 문제를 지도학습 방식으로 해결하기 위해 그래프 신경망(GNN) 기반 프레임워크가 제안되었다. 구체적으로 무선 네트워크는 바람직한 통..
Collaborative Filtering(협업 필터링) 다른 사용자의 구매 이력, 평가 등을 바탕으로 다른 사용자와의 유사도를 측정하여 사용자가 좋아할만한 상품을 추천하는 기술이다. ex) A,B 두 명의 사용자가 있다고 가정 A : 햄버거를 좋아함 B : A와 B의 음식 취향이 비슷함 B 에게 A가 좋아하는 햄버거를 추천 Collaborative Filtering 종류 Neighborhood Method 유저와 아이템의 데이터를 연관하여 추천하기 때문에 쉽다. 복잡한 계산 과정이 필요하여 확장이 힘들다. Latent Factor Model 기본적으로 사용 Matrix Factorization Netflix Prize 논문에서 사용 Matrix Factorization 유저와 아이템간의 상호작용에는 유..
Focal Inverse Distance Transform Map Focal Inverse Distance Transform Maps for Crowd Localization Focal Inverse Distance Transform Map IEEE 2102.07925.pdf FIDTM 군중 분석의 중요한 측면인 군중 위치 파악에 초점을 맞춥니다. 이들은 밀집된 군중 장면에서 개인의 위치를 정확하게 찾기 위해 초점 역거리 변환(FIDT) 맵이라는 새로운 접근 방식을 제안한다. 밀집도 맵에 비해 FIDT 맵은 밀집된 지역에서 겹치지 않고 개별 위치를 더 잘 표현하며, 제안된 방법은 여러 군중 데이터 세트에서 최첨단 성능을 달성한다. 1. INTRODUCTION 군중 분석에는 Crowd Detection, ..
CrowdLocalization Learning Independent Instance Maps for Crowd Localization LIIM for Crowd Localization Learning Independent Instance Maps for Crowd Localization LIIM 군중 분석에는 군중이 밀집된 장면에서 각 사람의 머리 위치를 정확하게 찾는 것은 중요하다. 기존 방법으로는 특히 매우 밀집되어 있고 다양한 규모의 군중에서 정확한 위치를 예측하는 데 한계가 있다. 이 연구에서 연구진은 군중을 겹치지 않는 구성 요소로 분할하여 보다 정확한 위치 파악을 가능하게 하는 Independent Instance Map segment (IIM)이라는 프레임워크를 제안한다. 또한 다양한 밀도..
Attention Attention Is All You Need Transformer : Attention Is All You Need RNN (Recurrent Neural Network): RNN은 순차적인 데이터를 처리하는 데 사용되는 신경망 구조이다. RNN은 이전 시간 단계의 입력을 현재 시간 단계의 입력과 함께 처리하여 순차적인 정보를 유지하고 활용할 수 있고 텍스트, 음성 등 순차적인 시계열 데이터 처리에 유용하다 특징: 순차적인 데이터 처리, 이전 상태의 정보를 기억 장점: 순차적인 패턴을 학습할 수 있음, 시계열 데이터 처리에 적합 단점: 장기 의존성(Long-Term Dependency)을 잘 학습하지 못하는 문제, Gradient Vanishing/Exploding 등의 문제 발생 각..
https://arxiv.org/abs/2011.02260 Graph Neural Networks in Recommender Systems: A Survey With the explosive growth of online information, recommender systems play a key role to alleviate such information overload. Due to the important application value of recommender systems, there have always been emerging works in this field. In recommender arxiv.org 0. 개요 유튜브, 넷플릭스 ,스포티파이와 같은 플랫폼에서 사용자의 방대한 항목..
from tensorflow import keras base_model = keras.applications.VGG16( weights='imagenet', input_shape=(224, 224, 3), include_top= False) # Freeze base model base_model.trainable = False # Create inputs with correct shape inputs = keras.Input(shape=(224, 224, 3)) x = base_model(inputs, training=False) # Add pooling layer or flatten layer x = keras.layers.GlobalAveragePooling2D()(x) # Add fi..
시퀀스 데이터의 예시를 위해 텍스트 문장을 사용한다. 기본적으로 언어는 문자가 모여 단어를 이루고 단어가 모여 문장을 이루는 형식의 시퀀스 데이터로 구성된다. 시퀀스 데이터의 또 다른 예로는 시간에 따른 주가와 날씨 데이터가 있다. RNN 모델을 사용하기 위한 뉴욕타임즈의 헤드라인 데이터만을 로드 import os import pandas as pd nyt_dir = 'data/nyt_dataset/articles/' all_headlines = [] for filename in os.listdir(nyt_dir): if 'Articles' in filename: # Read in all all the data from the CSV file headlines_df = pd...