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 |
Tags
- RCNN
- pytorch project
- 서포트벡터머신이란
- computervision
- cs231n lecture5
- DeepLearning
- SVM 이란
- EfficientNet
- pytorch
- svdd
- SVM hard margin
- yolov3
- pytorch c++
- SVM margin
- support vector machine 리뷰
- CS231n
- 데이터 전처리
- self-supervision
- libtorch
- TCP
- cnn 역사
- 논문분석
- yolo
- CNN
- fast r-cnn
- Deep Learning
- Computer Vision
- Faster R-CNN
- darknet
- Object Detection
Archives
- Today
- Total
목록jensen's inequality 설명 (1)
아롱이 탐험대

Central limit theorem 각각 평균 $\mu$와 분산 $\sigma^{2}$ 에 대한 probability density function인 $p(x_{i})$를 갖는 $\text{R.V.}$에 대해 생각해보자. 각 variable이 independent이고, i.i.d. (identically distributed)라고 가정하자. $S_{N} = \sum_{i = 1}^{N}X_{i}$은 random variable의 합이고, 이는 간단하지만 널리 사용되는 random variable의 transformation이다. N이 증가할수록, S_{N}의 distribution은 아래 식과 가까워진다는 것을 알 수 있다. 다시 말해, 주어진 조건에서 N이 증가할수록 Gaussiam distribu..
study/Machine Learning
2022. 4. 12. 22:20