일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- SmoothGrad
- xai
- coding test
- meta-learning
- python
- Cam
- 코딩 테스트
- 설명가능한 인공지능
- Deep learning
- Machine Learning
- GAN
- Class activation map
- Explainable AI
- Interpretability
- Artificial Intelligence
- 메타러닝
- 백준
- 기계학습
- 시계열 분석
- 딥러닝
- cs231n
- Score-CAM
- AI
- 머신러닝
- 설명가능한
- 인공지능
- keras
- grad-cam
- Unsupervised learning
- 코딩테스트
- Today
- Total
목록2020/01 (6)
iMTE
- 하와이 여행 2 - 무스비- 알로힐라니 호텔- 아릴랜드 빈티지 커피, 코나커피- 하와이 야경- Hy's steak house
- 하와이 여행 1 - 하와이안항공- 이올라니 궁전- 카메하메하 대왕의 동상- 주정부청사 및 주지사 관저- 랍스터킹
1. Smoothing method (exponential smoothing)1) 분석 먼저, 앞의 분석에서는 N개의 sample을 사용해서 평균 값을 구했다. 이외에 전체 데이터에 가중치를 곱해서 smoothing을 하는 방법이 있는데, 이 방법을 exponential smoothing이라고 한다. 시점 T에는 1의 가중치를, 이후 시점 T-1에는 lambda의 가중치, 시점 T-2에는 lambda^2의 가중치를 주어, 과거의 값을 더 반영하지 않고, 최근 값을 더 반영하여 smoothing하는 방법이다.Smoothing constant a는 0과 1 사이이며, 위 식은 moving average와 달리, 이전 값을 저장하지 않아도 되기 때문에 memory 효율 면에서 유횽하다. (Deep learni..
1. Smoothing method (moving average)1) 분석보통 시계열의 데이터는 noisy한 경우가 있다. Noisy한 데이터를 보면 어느 시간에서 드러나는 계절성과 패턴을 파악하는 것이 어렵다. 따라서, noisy한 데이터를 제거함으로써 시계열의 시간에 따른 패턴을 파악하는 것이 필요하다. 보통 moving average와 exponential smoothing 방법이 사용된다. 가장 먼저, moving average에 대한 개념부터 파악해보자. 먼저 시계열 X가 horizontal pattern을 갖는다고 가정하면, simple moving average는 다음과 같이 계산된다. a는 white noise로 평균이 0이고 표준편차가 sigma인 normal distribution을 따..