Archive: 2019/5

2019

Theory of computation (4)

본 내용은 KOCW 한양대학교 “오토마타 및 계산이론” 강좌 4, 5강을 보며 정리한 내용입니다. converting NFA to DFA 이번 글에서는 NFA를 DFA로 변형하는 방법을 정리하였습니다. ![](https://user-images.githubusercontent.com/48003268/58745115-ab3f1400-8487-11e9-

Theory of computation (3)

본 내용은 KOCW 한양대학교 “오토마타 및 계산이론” 강좌 3강을 보며 정리한 내용입니다. NFA(Nondeterministic Finite Acceptors) 1. 정의 M(Q, \Sigma, \delta, q_0, F) $Q$ : State들의 집합 $\Sigma$ : input alphabet $\delta$ : $Q \times \{\Sigma

Theory of computation (2)

본 내용은 KOCW 한양대학교 “오토마타 및 계산이론” 강좌 2강을 보며 정리한 내용입니다. DFA(Deterministic Finite Automaton) 1. notation M(Q, \Sigma, \delta, q_0, F) $Q$ : State들의 집합 $\Sigma$ : input alphabet $\delta$ : $Q \times \Sigm

Theory of computation (1)

본 내용은 KOCW 한양대학교 “오토마타 및 계산이론” 강좌 1강을 보며 정리한 내용입니다. 기호 1. alphabet $\Sigma$라는 기호를 사용하며 symbol들의 집합을 의미합니다. ex) $\Sigma = \{a, b\}$ $a,b$ 라는 symbol로 이루어져 있다. 2. string alphabet 안에 있는 symbol들을 연결해서 만

k-means clustering

basic 개념 몇개의 centroid를 정할지 즉 K를 몇으로 할지 정해야 한다 개별 데이터들은 가장 가까운 centroid에 assign 하면 된다 J = \sum_{n=1}^N \sum_{k=1}^K r_{nk} \lVert x_n - \mu_k \rVert^2 J를 minimize 시킨다(centroid와 개별 데이터간의 거리) $r_{nk

Data Structure(Deque)

자료구조2. Deque 자료구조 중에서 stack과 queue를 합쳐 놓은 자료구조 방식으로, data를 넣고 빼는 곳이 두 곳으로 두 군데에서 모두 push / pop 이 가능한 자료 구조입니다. deque 을 이용한 알고리즘 문제 (1) 비교 대상이 되는 문장 base_sentence와 비교하는 문장 compare_sentence가 주어집니다.

Data Structure(Stack)

자료구조1. Stack 자료구조 중에서 가장 많이 알려진 stack 구조는 data를 넣고 빼는 곳이 한곳으로 가장 먼저 넣은 data는 가장 나중에 나오는 구조 (FILO) First In Last Out 입니다. stack 을 이용한 알고리즘 문제 Balanced Brackets opening bracket = '(', '[&

BFS

너비 우선 탐색 백준 알고리즘을 푸는 중에 BFS를 적용해야 하는 문제가 있어 BFS에 대한 간단한 설명과 queue를 이용한 BFS 알고리즘을 푸는 방법에 대해서 애기해보겠습니다. 제목에서 보는 바와 같이 탐색 알고리즘으로서 그래프상의 모든 노드를 탐색하는 알고리즘입니다. 간단히 그림을 통해서 queue와 함께 어떤식을로 탐색하는지 애기해보겠습니다.

Latent Dirichlet Allocation

Topic Modeling Generative Process $\theta_i \sim Dir(\alpha), i \in \{1, \ldots, M\}$ $\phi_k \sim Dir(\beta), k \in \{1, \ldots, K\}$ $z_{i,l} \sim Mult(\theta_i), i \in \{1, \ldots, M\}, l \in

Regularization and model selection

다음과 같은 hypothesis $h_\theta(x)=g(\theta_0 + \theta_1 x + \ldots + \theta_k x^k)$ 가 있을때 $k$를 몇으로 해야 할지 어떻게 정할수 있을까? 즉 몇차로 식을 만드는게 bias / variance trade off 에 있어서 가장 좋은 모델일까를 어떻게 알수 있을까?조금 구체적으로 이해 하기 위