아롱이 탐험대

Multivariate Gaussian Multivariate이란 다차원이라는 말이다. R.V. $\text{x}$가 다차원일 때 Gaussian distribution은 아래 수식과 같이 구한다. 크게 틀은 달라지지 않는다. $\mu = \mathit{\mathbb{E}}[\text{x}] \in \mathit{\mathbb{E}}^{D}$ is the mean vector. D차원의 $\text{x}$의 평균값 $\sum = \text{cov[\text{x}]}$는 $D \times D$ 크기의 covariance matrix이다. parameter의 개수는 우리가 어떤 covariance matrix를 사용하냐에 따라 다르다. (1) Full covariance: 행렬이 대칭적이기 때문에 $\fra..

TCP에서 내가 보낸 ACK을 상대가 받았는지 못 받았는지 모른다. TCP의 특성 중 가장 중요한 것은 신뢰성 보장이다. 이는 데이터 전송 실패 시 재전송한다는 의미이다. 중간에 받지 못한 데이터를 재전송한다는 의미이다. App단에서 buffer에 있는 데이터를 읽었다는 의미는 전송이 제대로 된 데이터를 읽었다는 말이다. Normal operation ACK을 보내는 것에 대한 Normal operation을 살펴보자. Rule 1은 데이터를 받고 나서 해당 ACK을 보낸 것이다. Rule 1은 sending buffer에 보낼 것이 있으면 data와 ACK이랑 같이 보낸 다는 규칙이다. Rule 2는 데이터를 받아서 ACK으로 보내려고 할때 50ms 정도 기다렸다가 같이 보낼 것이 있는지 확인 후 AC..

Redering이란 object를 스크린에 투영하는 과정에서 필요한 도구들이다. 이전 시간에 살펴본 Redering pipline에서 2D를 담당하는 부분은 크게 3가지가 있었다. (1) Clipping: window 밖에 있는 기하학적 요소의 clip 부분을 clipping 한다. 필요없는 요소들을 자른다는 말이다. (2) Viewport transformation: 스크린으로부터 clip된 요소들을 이미지 좌표계로 변환한다. (3) Scan conversion: 스크린 좌표에 있는 대표적인 요소의 픽셀을 채운다. 위 3가지 process를 통해 2D primitive를 최종적인 image로 변환한다. 2D object의 표현에 대해 알아보자. Graphical object에서 기하학적 요소는 점, 선..

컴퓨터 그래픽스에서는 가장 기본적인 2가지 요소가 있다. 1. Modeling: scene안에서 object를 정의한다. 2. Rendering: 정의된 object를 그린다. 컴퓨터 그래픽스를 위한 개념적 framework는 3가지 구성 요소가 존재한다. 1. Application model Application model은 화면에 표시되는 object 또는 데이터를 표현한다. object의 표현을 수학적, 기하학적으로 진행한다. 특정한 디스플레이 시스템으로부터 독립적이고 application 별 model이 독립되어 있다. 다음과 같은 set으로 구성된다. - 기하학적 구성 요소들 (선, 구, 등등..) - fractal과 같은 절차들 - vector, scalar data - 위치 또는 방향, 색과..

이번 시간에는 기계 학습에서 사용되는 기본적인 확률 및 통계론에 대해 알아보자. Probability 확률론 및 통계학을 나누는 여러 가지 방법 중에는 frequentist (빈도 주의적 접근)와 Bayesian (베이즈 접근)으로 구분하는 것이 있다. Frequentist는 사건을 무수히 많이 반복하여 얻어지는 확률을 가지고 표현하는 관점으로 확률을 보고, Bayesian은 어떤 것에 대한 불확실성을 정량화하는 관점으로 본다. 이를 이해하기 쉽게 동전 던지기 사건으로 설명하자면 frequentist는 동전을 매우 많이 던지면 결국 앞면이 나오는 경우의 확률은 50%로 수렴한다는 것이고, bayesian은 다음에 동전을 던지는 것 또한 앞면, 뒷면의 확률이 같다고 가정한다. 우리는 Baysian의 관점에..

기계 학습의 유형 (1) Supervised learning : Supervised learning이란 기계가 데이터와 이에 대한 label을 가지고 학습하는 방법론이다. Train dataset: $D = {(x_{i}, y_{i})}^{N}_{i=1}$ 이 식을 해석해보면 $x_{i}$ 는 학습 데이터 셋에 있는 $i$ 번째 데이터 feature를 의미하고 $y_{i}$ 는 $x$ 에 mapping 되는 label을 의미한다. 쉽게 설명하면 강아지 이미지가 $x$ 에 해당되고, 이에 대한 label 값인 강아지가 $y$에 속한다. Supervised learning의 목적은 input data인 $x$ 를 output data인 $y$ 에 mapping 하는 방법을 배우는 것이다. Input data..

Flow control (흐름 제어) 지금까지 우리가 살펴본 TCP의 패킷 전달 방식은 Stop & wait 방식이다. 이는 client 측에서 SYN을 보낸 후 서버와 서로 데이터의 전달을 확인했는지 ACK을 보내는 방식이다. 예를 들어 데이터 5개를 보낸다면 5개의 ACK을 받아야 하는 방식이었다. 이는 구현 측면에서 매우 간단하지만, 컴퓨터의 입장으로써는 매우 비효율적인 방법이다. 예를 들어서 설명하자면 서울에서 부산에 택배를 보낸다고 가정하자. 왕복 시간은 10시간이고, 우리는 총 10개의 트럭을 보내야 한다. stop & wait 방식을 적용하면 트럭 1대가 부산을 왕복할 때 동안 다른 트럭들은 대기하고 있는 상태라고 생각하면 된다. 10시간에 1대만 보낸다는 것이다. 이는 매우 비효율적이다. ..

State transition diagram 위 다이어그램은 클라이언트와 서버 간 연결을 요청부터 연결 종료까지의 전 과정을 한눈에 보여주는 다이어그램이다. 위 다이어 그램을 한눈에 살피는 것보다는 차근차근 보는 것이 이해가 더 잘될 것 같아 더 디테일한 다이어그램을 보고 다시 오자. [그림 2]는 [그림 1]에 대한 타임 라인으로 정리한 다이어그램이다. 왼쪽이 client이고, 오른쪽은 server이다. 우선 client의 관점으로 상태 변환을 살펴보자. client에서는 SYN으로 연결 요청을 하고, server로 부터 SYN+ACK을 기다린다. 이 때 client의 상태를 SYN-SENT라고 부른다. SYN+ACK을 받은 후 server에게 ACK을 보내면 client의 상태는 ESTABLISHED..