문서 둘러보기
유클리드 거리 변환
유클리드 거리 변환은 이진 자료의 각 전경 위치에 가장 가까운 배경 위치까지의 유클리드 거리를 기록하는 연산이다. 모든 점 쌍의 거리를 출력하는 것이 아니라 각 위치에서 배경까지의 최단 거리를 구한다.
오츠 이진화
오츠 이진화는 영상의 밝기 히스토그램으로부터 전역 임계값을 정해 두 집단으로 나누는 방법이다. 두 집단 내부의 가중 분산을 작게 하는 기준을 사용하며, 사람이 임계값 하나를 직접 지정하는 방식과 다르다.
수학적 형태학
수학적 형태학은 구조 요소를 기준으로 영상이나 집합의 형태를 분석하고 바꾸는 방법이다. 침식과 팽창을 기본 연산으로 삼으며, 이들을 조합해 열기와 닫기 같은 처리를 구성한다.
허프 직선 변환
허프 직선 변환은 영상의 점들이 지지하는 직선 매개변수를 누적 공간에 투표해 직선 후보를 찾는 방법이다. 영상 좌표의 여러 점이 같은 직선 매개변수로 모이는 관계를 이용한다.
캐니 에지 검출
캐니 에지 검출은 영상의 밝기 변화에서 얇고 연결된 경계 후보를 얻기 위한 다단계 방법이다. 평활화와 기울기 계산, 비최대 억제, 두 임계값을 이용한 연결 추적을 결합한다.
소벨 연산자
소벨 연산자는 영상의 밝기 변화를 국소적으로 근사하는 미분 연산자다. 한 방향의 차분과 다른 방향의 평활화를 결합하며, 두 방향의 결과를 이용해 기울기 크기와 방향을 살펴볼 수 있다.
가우스 필터
가우스 필터는 가우스 함수 형태의 가중치를 사용해 주변 값을 합성곱하는 필터다. 가까운 표본에 더 큰 가중치를 주는 평활화가 대표적이며, 가우스 함수의 도함수를 이용하는 미분 필터와는 구분해야 한다.
사비츠키 골레이 필터
사비츠키 골레이 필터는 움직이는 구간 안의 자료에 낮은 차수의 다항식을 맞추어 평활화하거나 도함수를 추정하는 방법이다. 단순히 구간의 평균을 내는 것과 달리 국소적인 다항식 모양을 이용한다.
이산 사인 변환
이산 사인 변환은 유한한 수열을 사인 기저의 계수로 나타내는 변환이다. 유형에 따라 경계 밖으로 확장하는 대칭과 기저의 위치가 달라지며, 적절한 정규화로 직교 변환을 구성할 수 있다.
이산 코사인 변환
이산 코사인 변환은 유한한 수열을 코사인 기저의 계수로 표현하는 변환이다. 변환 유형과 정규화 방식에 따라 기저의 위치와 계수 크기가 달라지므로 순방향과 역방향의 정의를 함께 맞춰야 한다.
아다마르 행렬
아다마르 행렬은 원소가 1 또는 -1이고 서로 다른 행들이 직교하는 정사각 행렬이다. 부호 패턴만으로 직교 구조를 만들며, 정규화해 길이를 보존하는 변환으로 사용할 수 있다.
동반 행렬
동반 행렬은 다항식의 계수를 사용해 그 다항식의 근과 행렬의 고유값이 연결되도록 구성하는 정사각 행렬이다. 다항식의 근 계산이나 선형 점화식의 행렬 표현을 살펴볼 때 사용한다.
파스칼 행렬
파스칼 행렬은 이항계수를 원소로 배치한 정사각 행렬이다. 파스칼의 삼각형과 연결되지만 대칭형, 아래삼각형, 위삼각형 등 어떤 형태로 정의했는지 구분해야 한다.
행렬 균형화
고유값 계산에서 행렬 균형화는 닮음 변환으로 행과 열의 크기 불균형을 줄이려는 전처리다. 가역 대각행렬에 의한 스케일 조절이나 순열을 사용하며, 원래 행렬의 고유값을 보존하는 구조가 중요하다.
QZ 분해
QZ 분해는 같은 크기의 두 정사각 행렬을 공통의 좌우 변환으로 일반화 슈어 형태에 옮기는 분해다. 일반화 고유값 문제를 다룰 때 사용하며, 한 행렬의 슈어 분해와는 두 인자를 함께 변환한다는 점이 다르다.
행렬 로그
행렬 로그는 행렬 지수 exp(L)가 주어진 정사각 행렬 A가 되도록 하는 행렬 L이다. 원소별 로그와는 다른 연산이며, 해의 존재 여부와 여러 가능한 로그 중 무엇을 선택하는지를 구분해야 한다.
광속 불변과 시간·공간 측정의 관계
시공간이 광속을 맞추려고 억지로 변하는 것일까? 특수상대성이론의 출발점과 시간 지연의 관계를 구분한다.
일반화 고유값 문제
일반화 고유값 문제는 같은 크기의 정사각 행렬 A,B에 대해 Av=λBv를 만족하는 0이 아닌 벡터 v와 값 λ를 찾는 문제다. B가 단위행렬이면 일반적인 고유값 문제로 돌아간다.
황금 분할 탐색
황금 분할 탐색은 일변수 함수의 최솟값을 찾기 위해 황금비와 관련된 비율로 구간을 줄이는 도함수 없는 최적화 방법이다. 내부 시험점의 함수값을 비교하고, 다음 단계에서 이전 계산 일부를 재사용한다.
브렌트 근 찾기 방법
브렌트 근 찾기 방법은 근을 포함하는 구간을 유지하면서 이분법과 보간을 결합해 방정식 f(x)=0의 해를 찾는 수치 방법이다. 보간으로 빠른 진전을 시도하되 적절하지 않은 경우 구간 축소를 활용한다.
개기월식 때 달이 붉게 보이는 이유
지구가 직사광선을 가려도 대기를 통과한 햇빛 일부는 달에 닿는다. 산란과 굴절이 만드는 붉은 달의 원리를 설명한다.
혼합 정수 선형 계획법
혼합 정수 선형 계획법은 선형 목적함수와 선형 제약 아래에서 일부 결정 변수에 정수 조건을 추가한 최적화 문제다. 나눌 수 없는 선택과 연속적인 양을 하나의 모형에서 함께 다룰 수 있다.
이차 할당 문제
이차 할당 문제는 시설과 위치 등을 일대일로 대응시킬 때, 두 시설 사이의 관계와 배정된 두 위치 사이의 관계가 함께 결정하는 비용을 최적화하는 문제다. 한 시설의 배정 비용이 다른 시설의 배치에도 의존한다.
선형 할당 문제
선형 할당 문제는 두 집합의 원소를 일대일로 연결하면서 선택한 연결들의 비용 합을 최소화하는 최적화 문제다. 작업자와 작업, 관측과 추적 대상처럼 서로 대응시킬 두 집합이 있을 때 기본 모형으로 사용할 수 있다.
지진파 단층촬영의 색과 마그마 성분 읽기
지진파가 빠른 곳과 느린 곳을 온도와 연결하는 방법, 그리고 그 색만으로 마그마의 SiO₂ 함량을 정할 수 없는 이유를 설명한다.
비음수 최소제곱법
비음수 최소제곱법은 선형 결합의 계수를 모두 0 이상으로 제한하면서 잔차의 제곱합을 최소화하는 방법이다. 계수가 음수가 될 수 없는 양을 나타낼 때 사용하는 제약 있는 최소제곱 문제다.
아르미조 후퇴 선 탐색
아르미조 후퇴 선 탐색은 처음 정한 보폭을 일정 비율로 줄이면서 충분한 목적값 감소를 만족하는 값을 찾는 방법이다. 이동 방향을 고정한 상태에서 보폭을 선택하는 비정확 선 탐색의 대표적 구성이다.
선 탐색 (최적화)
최적화의 선 탐색은 현재 위치와 탐색 방향을 정한 뒤, 그 방향으로 얼마나 이동할지 결정하는 절차다. 여러 변수의 문제에서 이동 거리 하나에 관한 문제를 만들어 다음 반복점을 선택한다.
용암면(龍岩面)의 한자 뜻
성주군 용암면의 龍岩은 용과 바위를 뜻한다. 화산에서 나오는 용암과는 한자와 의미가 다르다.
이산시간 리아푸노프 방정식
이산시간 리아푸노프 방정식은 AXAᵀ-X+Q=0과 같은 형태로 쓰는 선형 행렬 방정식이다. 한 단계씩 변화하는 선형계의 안정성이나 정상 상태 공분산을 분석할 때 나타난다.
연속시간 리아푸노프 방정식
연속시간 리아푸노프 방정식은 행렬과 그 전치 또는 켤레전치가 함께 나타나는 선형 행렬 방정식이다. 선형 동역학계의 안정성을 분석하거나 관련 이차 형식을 구하는 데 사용하며 실베스터 방정식의 특수한 형태다.
실베스터 방정식
실베스터 방정식은 알려진 행렬 A,B,C에 대해 AX+XB=C를 만족하는 행렬 X를 찾는 선형 행렬 방정식이다. 미지 행렬의 왼쪽과 오른쪽에 서로 다른 행렬이 곱해지는 구조를 가진다.
행렬 제곱근
행렬 제곱근은 정사각 행렬 A에 대해 X²=A를 만족하는 같은 크기의 행렬 X다. 각 원소에 따로 제곱근을 취하는 연산이 아니라 행렬 곱으로 두 번 적용했을 때 A가 되는 변환을 뜻한다.
건축·구조 도면의 Each Face와 Each Way
Each Face(EF)는 각 면, Each Way(EW)는 각 방향을 뜻한다. 도면에서 면과 방향을 구분하는 기초 용어를 설명한다.
극분해 (선형대수학)
행렬의 극분해는 선형 변환을 길이의 늘림을 나타내는 양의 준정부호 인자와 직교 또는 유니터리 인자의 곱으로 표현하는 분해다. 복소수의 크기와 방향을 나누는 관점을 행렬에 확장한 것으로 볼 수 있다.
직교 프로크루스테스 문제
직교 프로크루스테스 문제는 서로 대응하는 두 점 배치나 행렬 사이에서 직교 변환만 허용해 불일치를 최소화하는 문제다. 회전과 반사를 통해 방향을 맞출 수 있지만, 기본 형태에서는 크기 변경이나 평행 이동을 포함하지 않는다.
평균 제곱 로그 오차
평균 제곱 로그 오차는 실제값과 예측값에 각각 1을 더해 로그를 취한 뒤, 그 차이의 제곱을 평균한 회귀 평가 지표다. 원래 단위의 절대 오차보다 변환된 값 사이의 비율에 민감한 비교를 한다.
블루밍톡과 A2O AI 아바타의 특징
이스트소프트가 공개한 A2O LITE·SOUL 아바타 사례를 바탕으로, 실시간 영상 대화와 다국어 기능을 살펴본다.
최근접 중심 분류
최근접 중심 분류는 각 클래스를 대표하는 중심을 구하고, 새 표본과 중심 사이의 거리를 비교해 클래스를 정하는 방법이다. 모든 학습 표본을 이웃 후보로 사용하는 최근접 이웃 분류와는 대표 정보의 구성이 다르다.
BIRCH 군집화
BIRCH 군집화는 자료를 작은 하위 군집의 요약 정보로 압축해 트리 구조에 저장하고, 필요하면 그 요약을 다시 군집화하는 방법이다. 모든 표본 쌍의 관계를 저장하는 대신 부분 집합의 통계를 이용한다.
친화도 전파 군집화
친화도 전파 군집화는 표본 사이에 대표점 선택에 관한 메시지를 주고받아 군집과 대표 표본을 찾는 방법이다. 군집 수를 직접 지정하는 대신 표본 간 유사도와 대표점 선호도 등이 결과에 영향을 준다.
가상 입자라고 부르는 이유
가상 입자는 아직 발견하지 못한 입자의 임시 이름이 아니다. 상호작용 계산의 내부선과 검출 가능한 입자를 구분하는 용어다.
직교 매칭 추구
직교 매칭 추구는 잔차와 잘 맞는 벡터를 하나씩 선택하고, 선택된 벡터들에 대한 계수를 다시 추정해 희소한 선형 표현을 만드는 탐욕적 방법이다. 적은 수의 계수로 회귀나 신호 재구성을 수행하는 데 쓰인다.
사전 학습 (희소 표현)
희소 표현에서 사전 학습은 여러 기본 벡터를 자료로부터 학습하고, 각 관측을 그중 적은 수의 조합으로 나타내려는 방법이다. 기본 벡터 집합을 사전, 각 관측을 표현하는 계수들을 코드라고 부른다.
원클래스 서포트 벡터 머신
원클래스 서포트 벡터 머신은 학습 자료가 주로 나타내는 영역의 경계를 추정해 새로운 관측이 그 영역에 부합하는지 판단하는 방법이다. 서로 다른 두 클래스의 정답을 구분하는 일반적인 이진 분류와 학습 목적이 다르다.
낫적혈구 유전자와 말라리아 분포가 겹치는 이유
말라리아 저항성이 있는데도 분포가 겹치는 것은 모순이 아니다. 이형접합자의 이점과 완전한 감염 면역의 차이를 설명한다.
t-SNE
t-SNE는 고차원 자료의 표본 사이 유사성을 확률 분포로 표현하고, 저차원 배치에서 비슷한 관계가 나타나도록 좌표를 조정하는 시각화 방법이다. 주로 이웃 관계를 탐색하는 데 사용하며, 그림의 모든 거리와 면적이 원자료를 그대로 뜻하지는 않는다.
아이소맵
아이소맵은 가까운 표본들을 연결한 그래프의 최단 경로로 자료 내부의 거리를 근사하고, 그 관계를 저차원에 표현하는 비선형 차원 축소 방법이다. 원래 공간의 직선거리와 자료를 따라가는 거리를 구별한다.
다차원 척도법
다차원 척도법은 대상 사이의 비유사도나 거리 관계를 낮은 차원의 점 배치로 나타내는 방법이다. 가까운 대상은 가깝게, 먼 대상은 멀게 배치하려 하지만 선택한 차원에서 모든 관계가 정확히 보존되지는 않을 수 있다.
광합성 산물의 저장·이동과 식물의 호흡
식물은 광합성을 하면서 왜 호흡도 할까? 녹말로 저장하는 과정과 자당 형태로 체관을 따라 이동하는 과정을 구분한다.
정규화 할인 누적 이득
정규화 할인 누적 이득은 검색이나 추천 결과에서 관련성이 높은 항목을 얼마나 앞에 배치했는지 평가하는 순위 지표다. 순위에 따라 할인한 이득을 더한 뒤, 같은 항목들의 이상적인 순서에서 얻는 값으로 나눈다.
감마 회귀
감마 회귀는 양의 연속형 반응 변수를 감마 분포의 조건부 모형으로 다루는 일반화 선형 모형이다. 로그 연결을 사용하면 조건부 평균이 항상 양수가 되며, 입력 변화의 효과를 곱셈 비율로 표현할 수 있다.
정준 상관 분석
정준 상관 분석은 같은 대상에서 관측한 두 변수 집합의 선형 결합을 각각 만들고, 그 결합 사이의 상관을 크게 하는 방향을 찾는 다변량 분석 방법이다. 개별 변수 쌍만 비교할 때 드러나지 않는 집합 간 관계를 살핀다.
커널 릿지 회귀
커널 릿지 회귀는 커널이 나타내는 특징 공간에서 제곱 오차와 L2 정규화를 이용해 회귀 함수를 추정하는 방법이다. 비선형 커널을 사용하면 원래 입력 공간에서 비선형 관계를 표현할 수 있다.
RANSAC 회귀
RANSAC 회귀는 표본 일부로 후보 회귀 모형을 만들고, 그 모형과 일치하는 표본 집합을 찾아 최종 모형을 추정하는 방법이다. 큰 오차를 가진 관측이 섞인 자료에서 합의 집합을 반복적으로 탐색한다.
소형견 이름의 뜻과 유래
시츄·말티즈·치와와·포메라니안·미니어처 핀셔의 이름은 어디서 왔을까? 견종 이름의 뜻과 지명, 흔한 혼동을 정리한다.
허버 회귀
허버 회귀는 작은 잔차에는 이차 형태, 큰 잔차에는 선형 형태의 손실을 적용해 회귀 계수를 추정하는 방법이다. 큰 오차의 영향력을 줄이면서도 해당 표본의 영향을 완전히 없애지는 않는다.
스태킹 분류
스태킹 분류는 여러 기본 분류기의 출력을 새로운 입력으로 삼아 최종 분류기를 학습하는 앙상블 방법이다. 미리 정한 규칙으로 표를 합치는 투표와 달리, 출력들을 결합하는 방식도 자료에서 학습한다.
투표 분류
투표 분류는 여러 분류기의 예측을 모아 하나의 분류 결과를 정하는 앙상블 방법이다. 예측 레이블에 표를 주는 하드 투표와 클래스별 예측 확률을 합치는 소프트 투표가 대표적이다.
레이블 전파
레이블 전파는 일부 표본에만 정답이 있는 상황에서 표본 간 유사도 그래프를 이용해 나머지 표본의 분류를 추정하는 준지도 학습 방법이다. 가까이 연결된 표본들이 비슷한 레이블을 가진다는 가정을 활용한다.
희소 주성분 분석
희소 주성분 분석은 적은 수의 변수에 0이 아닌 계수를 주는 성분으로 자료를 표현하려는 방법이다. 재구성 성능과 성분의 희소성 사이에서 균형을 정해, 여러 변수에 계수가 퍼지는 표현을 단순화한다.
스펙트럴 군집화
스펙트럴 군집화는 자료 사이의 유사성을 그래프로 표현하고, 그래프 라플라시안의 고유벡터로 얻은 공간에서 군집을 구하는 방법이다. 중심점까지의 거리만으로 설명하기 어려운 연결 구조를 분석하는 데 쓰인다.
커널 주성분 분석
커널 주성분 분석은 커널로 표현한 특징 공간에서 주성분을 찾는 차원 축소 방법이다. 원래 좌표에서 직선으로 표현되지 않는 구조를 다룰 수 있지만, 결과는 선택한 커널과 설정에 따라 달라진다.
RTX 3060 Ti와 RTX 3080의 게임 성능 비교
RTX 3080은 RTX 3060 Ti보다 상위 성능의 제품이지만 프레임 차이는 게임·해상도·CPU와 설정에 따라 달라진다. 과거 동일 조건 실측 사례와 비교 시 주의점을 정리한다.
독립 성분 분석
독립 성분 분석은 여러 관측 신호가 잠재 신호들의 혼합이라고 보고, 통계적으로 독립적인 성분을 찾으려는 방법이다. 대표적인 선형 모형에서는 관측값에 분리 행렬을 적용해 원천 신호를 추정한다.
요인 분석
요인 분석은 여러 관측 특징의 공통 변동을 더 적은 잠재 요인으로 설명하려는 모형이다. 기본적인 선형 가우스 모형에서는 관측값을 요인의 선형 변환과 특징별 잡음의 합으로 나타낸다.
에어팟 프로 2 라이트닝·USB-C 차이
에어팟 프로 2의 라이트닝 모델과 USB-C 모델은 충전 단자 외에도 방진 등급과 Apple Vision Pro 연결 시의 무손실 오디오 지원에 차이가 있다.
가우스 혼합 모형
가우스 혼합 모형은 여러 정규분포의 밀도를 가중합하여 전체 분포를 나타내는 확률 모형이다. 성분마다 평균과 공분산을 두고, 각 성분의 혼합 비중을 함께 추정한다.
커널 밀도 추정
커널 밀도 추정은 관측 표본마다 작은 밀도 함수를 놓고 이를 더해 전체 확률밀도를 추정하는 방법이다. 분포의 모양을 하나의 정규분포로 고정하지 않으며, 커널의 형태와 대역폭이 추정 곡선을 결정한다.
2억 화소 카메라와 픽셀 비닝
고화소는 세부 묘사와 잘라내기에 도움이 되지만 사진의 모든 품질을 결정하지는 않는다. 200MP 센서가 낮은 해상도로 촬영하는 이유와 빛·센서·처리 기술의 관계를 설명한다.
그래피컬 라소
그래피컬 라소는 L1 규제를 사용해 희소한 역공분산 행렬을 추정하는 방법이다. 정규분포 모형에서 변수들의 조건부 관계를 살피는 데 활용하며, 일반 공분산 행렬의 원소를 단순히 0으로 자르는 방법과 다르다.
공분산 축소 추정
공분산 축소 추정은 자료에서 구한 공분산 행렬을 단순한 기준 행렬 쪽으로 이동시켜 추정의 변동과 수치적 불안정성을 줄이려는 방법이다. 표본이 적거나 특징이 많을 때 경험 공분산만 사용하는 것과 다른 절충을 제공한다.
엑셀 시간을 총 초로 바꾸기
엑셀의 시간 값은 하루의 비율로 저장된다. 실제 시간 값과 분:초·시:분:초 형태의 텍스트를 구분해야 초 단위 숫자로 정확히 변환할 수 있다.
등위 회귀
등위 회귀는 입력의 순서에 따라 예측값이 감소하지 않거나 증가하지 않도록 제약을 두는 회귀 방법이다. 직선 형태를 정하는 대신 순서 관계를 유지하면서 관측값과의 차이를 줄인다.
국소 이상 인자
국소 이상 인자는 한 표본의 주변 밀도를 이웃 표본들의 밀도와 비교해 이상 정도를 평가하는 방법이다. 전체 자료에서 얼마나 멀리 떨어졌는지만 보는 대신, 그 표본이 속한 주변에 비해 얼마나 성기게 놓였는지를 살핀다.
칼리닌그라드의 역사와 월경지
옛 독일 동프로이센의 쾨니히스베르크는 제2차 세계대전 뒤 소련에 편입돼 칼리닌그라드로 이름이 바뀌었다. 오늘날 러시아의 주인 이 지역은 본토와 떨어진 월경지로 설명한다.
아이솔레이션 포레스트
아이솔레이션 포레스트는 무작위 분할로 표본을 고립시키는 데 필요한 경로 길이를 이용하는 이상 탐지 방법이다. 여러 무작위 나무에서 상대적으로 짧은 경로로 분리되는 표본을 이상 후보로 평가한다.
기울기 부스팅 회귀
기울기 부스팅 회귀는 현재 예측의 손실을 줄이는 방향을 학습하는 모형을 순차적으로 더하는 방법이다. 회귀나무를 기본 모형으로 사용하는 경우가 많으며, 각 단계가 이전 예측에서 남은 문제를 보완한다.
아다부스트
아다부스트는 앞 단계 분류기가 틀린 표본의 비중을 조정하면서 기본 분류기를 순차적으로 학습하고 결합하는 부스팅 방법이다. 각 단계가 같은 비중의 표본만 보는 것이 아니라 이전 단계의 결과에 따라 학습의 초점을 바꾼다.
동그랑땡 반죽과 두부 물기 제거
동그랑땡이 질어지는 문제는 두부와 채소의 수분, 반죽에 넣는 액체의 양을 함께 살펴야 한다. 두부를 으깨 짜는 과정과 반죽용 달걀·겉옷용 달걀의 구분을 설명한다.
배깅
배깅은 원자료에서 중복을 허용해 여러 학습 표본 집합을 만들고, 각각 학습한 모형의 결과를 결합하는 앙상블 방법이다. 자료의 작은 변화에 민감한 기본 모형의 예측 변동을 줄이는 데 활용한다.
자기 훈련 분류
자기 훈련 분류는 라벨이 있는 자료로 학습한 모형이 라벨 없는 자료의 임시 라벨을 예측하고, 선택한 결과를 학습에 추가하는 과정을 반복하는 방법이다. 지도 분류기를 준지도 학습에 활용하는 한 방식이다.
오류 정정 출력 코드 분류
오류 정정 출력 코드 분류는 각 범주에 이진 코드열을 배정하고 코드의 각 자리를 예측하는 이진 분류기들을 학습하는 방법이다. 예측된 코드와 가까운 범주 코드를 찾아 다중 범주 결과를 만든다.
유전자 편집 접근성과 자유주의·공동체주의
고가 기술의 접근성 문제는 개인의 자유와 권리, 공정한 기회, 공동체의 책임을 어떻게 해석하는지에 따라 다르게 평가된다. 같은 지원 정책에도 서로 다른 근거로 찬성할 수 있다.
회귀기 체인
회귀기 체인은 여러 수치 목표를 예측하는 회귀 모형을 순서대로 연결하는 방법이다. 뒤 단계의 모형은 원래 특징과 앞 단계의 목표 정보를 함께 사용해 목표 사이 관계를 활용하려 한다.
분류기 체인
분류기 체인은 여러 라벨을 예측하는 이진 분류기들을 순서대로 연결한 모형이다. 뒤의 분류기는 원래 입력 특징뿐 아니라 앞 단계의 라벨 정보를 추가 입력으로 받아 라벨 사이 관계를 활용하려 한다.
개인의 추억과 집단적 향수
같은 시대를 살아도 떠올리는 추억은 다르다. 개인적으로 의미 있는 경험과 자기 정체성, 함께한 과거에 대한 감정이 기억과 향수에 어떻게 연결되는지 살펴본다.
일대일 분류
일대일 분류는 범주의 모든 쌍에 대해 이진 분류기를 학습하고 그 결과를 결합하는 다중 범주 분류 전략이다. 각 분류기는 해당하는 두 범주의 자료만 사용해 둘을 구별한다.
공기업과 공공기관의 구분
공공기관 운영법의 분류에서 공기업은 공공기관에 포함된다. 준정부기관·기타공공기관과의 관계와 취업 정보를 비교할 때 확인할 내용을 정리한다.
일대나머지 분류
일대나머지 분류는 여러 범주를 각각 해당 범주와 나머지 범주들의 이진 문제로 나누어 학습하는 전략이다. 범주별 분류기의 점수를 결합해 다중 범주 예측을 만들 수 있다.
상위 K 정확도
상위 K 정확도는 정답 범주가 예측 점수가 높은 K개 후보 안에 포함된 표본의 비율이다. 후보 하나만 고르는 정확도보다 넓은 적중 기준을 사용하며, 범주가 하나인 분류 문제의 후보 목록을 평가할 때 쓰인다.
빅스비 지원 언어 확대와 기기 제어
삼성전자는 2026년 10월 빅스비 지원 언어를 9개에서 12개로 확대한다고 발표했다. 추가 언어와 실제 활용 범위, 통역 기능과의 차이를 정리한다.
해밍 손실
해밍 손실은 분류 결과에서 잘못 예측한 라벨 판단의 비율을 나타내는 지표다. 다중 라벨 문제에서는 표본 전체를 한 번에 맞췄는지가 아니라 각 라벨의 개별 판단을 센다.
선형 서포트 벡터 회귀
선형 서포트 벡터 회귀는 입력의 선형식으로 수치를 예측하면서 일정 폭 안의 잔차에는 손실을 부여하지 않는 회귀 방법이다. 허용 오차 폭과 가중치 규제 사이의 절충을 학습한다.
퍼넷 사각형과 생식세포의 종류
유전 교배표의 가로·세로는 두 어버이가 만들 수 있는 생식세포의 대립유전자 종류를 나타낸다. Rr과 rr의 교배에서 한쪽에 r만 쓰는 까닭을 설명한다.
선형 서포트 벡터 분류
선형 서포트 벡터 분류는 선형 점수의 부호로 범주를 나누면서 마진과 분류 손실의 절충을 학습하는 방법이다. 특징에 대한 가중합과 절편을 사용하며, 비선형 커널을 사용하는 모형과 구별된다.
퍼셉트론
퍼셉트론은 입력의 가중합과 절편으로 선형 결정 경계를 만들고, 잘못 분류한 표본에 따라 가중치를 갱신하는 분류 방법이다. 인공 신경망의 기본 단위와 선형 학습 알고리즘을 설명할 때 등장한다.
필리핀·브라질의 옛 사회와 열대 문명
덥고 습한 지역에는 복잡한 사회가 없었다는 설명은 고고학 자료와 맞지 않는다. 필리핀의 교역 유물과 브라질 아마존의 정착 사회는 문명과 중앙집권적 제국을 구분해 살펴야 함을 보여준다.
포아송 회귀
포아송 회귀는 횟수 자료의 조건부 평균을 설명하는 일반화 선형 모형이다. 대표적인 로그 연결 모형에서는 평균의 로그를 입력 특징의 선형식으로 나타내어 예측 평균을 양수로 유지한다.
분위수 회귀
분위수 회귀는 입력이 주어졌을 때 목표값 분포의 특정 분위수를 추정하는 방법이다. 조건부 평균 하나를 예측하는 회귀와 달리 중앙값이나 상위 분위수처럼 분포의 다른 위치를 목표로 할 수 있다.