[역기구학] D-H approach Inverse Kinematics
D-H 매트릭스를 활용한 역기구학 구하기 Stanford Arm의 D-H 매트릭스 T 엔드 이펙터라고 하는 것을 별도의 프레임으로 구분한다. 7개의 매트릭스로 구성이 되는 T 매트릭스에서, 베이스 프레임 0~1의 inverser를 앞쪽에다가 곱해주고, A의 5에서부터 6, 6에서부터 엔드 이펙터까지 가는 변환에 대한 인버스를 뒤에 곱해준다. 이렇게 제거해주는 이유는, 처음 베이스 포인트부터 끝점까지 가는 변환에 있어서 6개의 좌표계를 전부다 한번에 고려를 해서 구한다는 건 쉬운일이 아니다. 간단하게 접근하기 위해 이렇기 한다. 매니퓰레이터의 경우에는 대부분 사람의 손목에 해당하는 wrist joint가 존재한다. 이곳은 세개의 축이 교차하는 경우가 생긴다. 3개의 축의 원점이 같다. 그것을 활용하기 위해..
[언어지능 딥러닝] 38일차 - 딥러닝의 역사~GAN 까지 + 코드
복습 TF-IDF로 벡터화한 값은 자카드 유사도를 제외한 모든 유사도 판단에서 사용한다. 코사인 유사도 - 직관적인 유사도 값을 가진다. 회사에서 코딩하는 거랑 연구하는 것이랑 다르다. 소프트웨어 값을 계속 바꿔도 소리가 안잡힌다. pcb 하드 웨어에서 전력이 문제 업체 부르면 해결 회사는 공부를 가르쳐 주는 게 아니라, 데드라인을 맞추는 게 중요하다. 남의 코드를 잽싸게 보고, 거기에 내가 원하는 코드를 빠르게 넣는게 중요하다. 남의 코드를 많이 돌려보면서 눈에 익어서, github 같은 코드 중에서 빠르게 고칠 수 있는 능력이 제일 좋다. 소프트웨어공학 - 에자일 방법론, 디자인 패턴 회사에서는 제일 중요한 게 이것이다. Word Embedding 신경망을 만들어서 학습을 시켰다. 일단 원핫 인코딩을..
[해시] 해시의 개념, 문자열 해싱, 충돌 처리
어떠한 값을 순차탐색하면 확실히 데이터를 얻을 수 있지만, 모든 데이터를 살펴봐야하는 경우가 있으므로 효율적이지 않다. 그러므로 해시는 어떠한 기준(함수)로 변환한 값을 인덱스로 삼아서, 그 인덱스에 해당하는 배열에 키와 값을 저장해 빠른 데이터 탐색을 제공하는 자료구조다. 여기서 탐색에 특화되었다는 게 중요하다. 리스트 자료구조의 경우, 보통 검색에 O(n), 추가에 O(1)이자만, 여기서는 반대이다. 물론 리스트도 중간 추가면 O(n)이긴 하다. 그러나 차이점을 아는 게 중요하다. 해시의 시간복잡도 삽입(Insert): 평균 O(1), 최악의 경우 O(n) 검색(Search): 평균 O(1), 최악의 경우 O(n) 삭제(Delete): 평균 O(1), 최악의 경우 O(n) 해시의 특징 해시는 키를 통..
[언어지능 딥러닝] 37일차 - TF-IDF, Cosine 유사도, 비지도학습, Word Embedding
자연어(NLP)가 가지는 유연성 덕분에 가능하다. 자연어는 사람의 언어 자연어로 대비되는 다른 언어 -> 형식 언어(프로그램 언어) 기호로 표시해서 넣는 것도 형식 언어다. 제 2외국어 - C언어(???) 한국말은 알타이게 언어다. 언어 체계에 다 분류가 있다. 춈스키-MIT 언어학과 교수 문법적인 형식을 따지고 생기기 때문에 형식 언어이다. 그러면 방언, 시간이 지나면서 다양성이 생긴다(유연성) 형식 언어는 말 그대로 형식을 무조건 지켜줘야 한다. 고전적인 자연어 처리는 번역해서 기계가 알아들을 수 있게 하는 게 연구 그런데 자연어는 유도리가 많아서, 확률적으로 어떻게 다뤄주느냐가 주로 되었다. 컴파일러처럼 배우되, 확률적까지 배우니 인기가 없는 분야였다. 2016년 알파고가 나오기 전까지는 AI의 성..
보호되어 있는 글입니다.