미래로

WiFi 수신 신호 패턴으로부터 실내 사람 수 예측하기 총 4가지 클래스의 데이터셋 제공 데이터 Pn-Wm은 사람 n명 걸어다니는 사람 m명일 때 WiFi 신호의 세기 신호 데이터 하나 당 3x3x56 개의 크기값으로 이루어짐. 1. 기본 패키지/데이터셋 로드 및 변환 import torchvision.datasets as dsets import torchvision.transforms as transforms import matplotlib.pyplot as plt import random from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # 구글드라이브 연결 from g..

과제 목표: 서포트벡터머신 모델을 이용해 MNIST 데이터셋 분류 (0~9까지 멀티클래스 분류) Google Colaboratory 사용 1. 패키지 가져오기 import numpy as np from keras.datasets import mnist from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.svm import SVC from matplotlib.colors import ListedColormap from sklearn.metrics import plot_confusion_matrix import matplotlib.pyplot as plt ..

과제 목표: 로지스틱회귀 모델을 이용해 MNIST 데이터셋 분류 (0~9까지 멀티클래스 분류) Google Colaboratory 사용 1. 패키지 가져오기 import numpy as np from keras.datasets import mnist from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.linear_model import LogisticRegression from sklearn.metrics import plot_confusion_matrix import matplotlib.pyplot as plt 2. 학습데이터, 테스트 데이터 불러오기..

contents: 역전파(backpropagation), 신경망을 사용한 회귀 +역전파 수식 전개

contents: 인공신경망, 뉴런, 순방향 입력형상(행렬표현), 신경망을 사용한 멀티클래스 분류, Softmax, CEE, 배치(batch)

contents: KNN, 앙상블

contents: 서포트벡터머신, RBF 커널

contents: 로지스틱 회귀, sigmoid function, OvR, 과적합

contents: 퍼셉트론, 애덜린, 경사하강법

findsound() #손가락 좌표점 표시를 위한 이미지 whiteboard=np.zeros((480,640,1)) #단일 픽셀 지정시 Perspective Transform 이 제대로 적용되지 않아 손가락 좌표를 영역으로 표시 center = (int(x), int(y)) whiteboard = cv2.drawMarker(whiteboard, center, (255,255,255), cv2.MARKER_CROSS, markerSize=2,thickness=2) #plt.imshow(whiteboard,cmap="gray") #plt.title("fingermap_before transform") #plt.show() #손가락 위치가 저장되는 이미지 fingerlocation = cv2.warpPersp..