zz.log

1. const, let - 공통점 : 블록 스코프를 가진다. (var는 함수 스코프를 가지므로 블록과 상관없이 변수에 접근 가능) - 차이점 : const는 상수로 한 번 값을 할당하면 다른 값을 할당할 수 없다. 따라서 기본적으로 변수 선언할땐 const를 사용하고, 다른 값을 대입해야 하는 상황이 생기면 let을 사용한다. 2. 템플릭 문자열 - 일반 문자열과 달리 따옴표가 아닌 백틱(`)으로 감싼다. - ${변수} 형식으로 변수를 문자열 안에 넣을 수 있다. const num3 = 1; const num4 = 2; const result2 = 3; const string2 = `${num3} 더하기 ${num4}는 '${result2}'` console.log(string2) // 1 더하기 2는..

📢 본격적으로 실습에 들어가기 전, 노드의 특징에 대해 알아보자 1. 서버로 많이 쓰인다 - 서버란 데이터를 저장하고, 클라이언트에게 데이터를 받아오는 곳을 의미한다. - 요청에 대한 응답만 하는 것이 아닌, 다른 서버에 요청을 할 수도 있다. 2. 자바스크립트 런타임이다 - 런타임이란 특정 언어로 만든 프로그램을 실행할 수 있는 환경을 의미한다. 즉, 노드는 자바스크립트 실행기다. 3. 이벤트 기반 방식으로 동작한다 - 이벤트가 발생시 미리 지정해둔 작업을 수행하는 방식을 이벤트 기반이라고 한다. 이때 작업을 미리 지정하는 걸 '이벤트 리스너에 콜백 함수를 등록한다'고 표현한다. - 예) 버튼을 클릭했을때 경고창을 띄우려면 ① 클릭 이벤트 리스너에 경고창을 띄우는 콜백 함수를 등록한다. ② 클릭 이벤트..

.gitignore - .gitignore 파일을 생성하여 git에 올리지 않을 파일을 추가한다. - node_modules/는 용량이 크기때문에 git에 올리지 않는다. - git에 올리지 않은 패키지들은 package.json에 모두 명시되어있으므로 새로 소스를 받는 사람은 npm install로 프로젝트에 필요한 파일을 받을 수 있다. git init - 현재 디렉터리 기준으로 git 저장소 생성 및 초기화 git add . - 현재 디렉터리에 있는 모든 파일의 추가,수정된 부분을 Staging area에 추가한다. - unstage하려면 git restore --staged 한다. * [warning: LF will be replaced by CRLF in .gitignore. The file w..

7.6 게이트 순환 신경망(GRU) GRU란? - 게이트 매커니즘이 적용된 RNN 프레임워크의 한 종류 - LSTM보다 간단한 구조 7.6.1 GRU 구조 GRU 구조 = LSTM에서 사용하는 망각 게이트와 입력 게이트를 하나로 합침 + 업데이트 게이트 특징 · 하나의 게이트 컨트롤러가 망각 게이트와 입력 게이트를 모두 제어함 - 게이트 컨트롤러가 1을 출력 → 망각 게이트 open, 입력 게이트 close - 게이트 컨트롤러가 0을 출력 → 망각 게이트 close, 입력 게이트 open ⇒ 이전 기억이 저장될 때마다, 단계별 입력은 삭제됨 //망각 게이트 open = 직전 기억을 메모리에 저장 //입력 게이트 open = 현재 메모리에 새로운 정보를 반영함 · 출력 게이트가 없음 → 전체 상태 벡터가 ..

7.5 LSTM RNN의 단점 : 기울기 소멸 문제(가중치 업데이트 과정에서 1보다 작은 값이 계속 곱해짐 → 기울기가 사라짐) - 해결 : LSTM, GRU 같은 확장된 RNN 방식 사용 7.5.1 LSTM 구조 1. LSTM 순전파 LSTM의 '기울기 소멸 문제' 해결 방법 은닉층의 각 뉴런에 망각 게이트, 입력 게이트, 출력 게이트 추가 A. 망각 게이트 망각 게이트란? 과거 정보를 어느 정도 기억할지 결정함 방법 : ① 과거 정보와 현재 데이터를 입력받음 ② ①에 시그모이드를 취함 ③ ②값 × 과거 정보 ⇒ 시그모이드의 출력이 0이면 과거 정보를 버림(초기화) 1이면 과거 정보를 보존(메모리에 유지) = 입력 값을 이용해서 이전 상태 정보를 현재 메모리에 반영할지 결정 B. 입력 게이트 입력 게이..

7.4 RNN 구조 RNN이란? 은닉층 노드들이 연결되어 이전 단계 정보를 은닉층 노드에 저장할 수 있도록 구성한 신경망 RNN 구조 xt-1에서 ht-1을 얻고 다음 단계에서 ht-1과 xt를 사용 ⇒과거 정보, 현재 정보를 모두 반영 RNN의 입력층, 은닉층, 출력층 + 3개의 가중치(Wxh, Whh, Why) - 위 그림 참고 ①Wxh : 입력층에서 → 은닉층으로 전달되는 가중치 ② Whh : t 시점의 은닉층에서 → t+1 시점의 은닉층으로 전달되는 가중치 ③ Why : 은닉층에서 → 출력층으로 전달되는 가중치 ※ 3개의 가중치는 모든 시점에서 동일함(= 같은 값의 가중치를 공유) t단계에서의 RNN 계산 1. 은닉층 - 계산을 위해 xt, ht-1이 필요 //xt :입력값, ht-1 : 이전 은..

7.1 시계열 문제 시계열 분석이란? 특정 대상의 시간에 따라 변하는 데이터를 사용하여 추이를 분석하는 것 → 추세 파악 · 향후 전망 예측용 예) 주가/환율 변동, 기온/습도 변화 시계열 형태 데이터 분류 시계열 형태 데이터 설명 불규칙 변동 시간에 따른 규칙적인 움직임과 달리, 어떤 규칙성이 없어 예측 불가능 & 우연적으로 발생하는 변동 예) 전쟁, 홍수, 화재, 지진, 파업 추세 변동 시계열 자료가 갖는 장기적인 변화 추세 추세 : 장기간에 걸쳐, 지속적으로 증가·감소하거나, 일정한 상태를 유지하려는 성향 → 짧은 기간 동안엔 추세 변동을 찾기 어려움 예) 국내총생산(GDP), 인구증가율 순환 변동 2~3년 정도의 일정한 기간을 주기로, 순환적으로 나타나는 변동 1년 이내 주기로 곡선을 그리며 추세..

6.3 이미지 분할을 위한 신경망 이미지 분할이란? 신경망을 훈련시켜 이미지를 픽셀 단위로 분할하는 것(이후 이미지에 포함된 객체를 추출) 이미지 분할의 대표적 네트워크 완전 합성곱 네트워크, 합성곱 & 역합성곱 네트워크, U-Net, PSPNet, DeepLabv3/DeepLabv3+ 6.3.1 완전 합성곱 네트워크 완전연결층의 한계 고정된 크기의 입력만 받아들임 완전연결층을 거친 후에는 위치 정보가 사라짐 ⇒ 해결 : 완전연결층을 1×1 합성곱으로 대체함 = 완전 합성곱 네트워크 완전 합성곱 네트워크란? CNN 기반 모델(이미지 분류에서 우수한 성능, AlexNet, VGG16, GoogLeNet)을 변형 → 이미지 분할에 적합하도록 만든 네트워크 예) AlexNet의 하단에서 사용되었던 완전연결층 ..

6.2 객체 인식을 위한 신경망 객체 인식이란? 이미지나 영상 내에 있는 객체를 식별하는 컴퓨터 비전 기술 → 이미지 · 영상 내에 있는 객체가 무엇인지 분류 & 그 객체의 위치가 어디인지 박스로 나타내는 위치 검출 딥러닝을 이용한 객체 인식 알고리즘 : 1단계 객체 인식, 2단계 객체 인식으로 나눌 수 있음 1단계 객체 인식 : 분류와 위치 검출 문제를 동시에 행하는 방법(빠르고 낮은 정확도) - YOLO, SSD 계열 2단계 객체 인식 : 두 문제를 순차적으로 행하는 방법(느리고 높은 정확도) - R-CNN 계열 6.2.1 R-CNN 예전의 객체 인식 알고리즘 - 슬라이딩 윈도우 방식 : 이미지의 객체를 탐색하고자 이미지 왼쪽 상단부터 일정 크기의 경계 상자(윈도우)를 만들고 그 안에서 객체를 탐색하..

event.target - onclick 이벤트 일어난 객체 찾기 https://sourcestudy.tistory.com/207 javascript 이벤트 대상 얻기 event.target javascript 이벤트 대상 얻기 event.target https://developer.mozilla.org/en-US/docs/Web/API/Event event.target 으로 이벤트 객체를 받아옵니다 이를 통해 객체의 모든 정보를 탐색할 수 있습니다. javascript.. sourcestudy.tistory.com 특정 속성 태그에 모두 onclick 이벤트 붙이기 https://sourcestudy.tistory.com/232 javascript 모든 태그에 onclick 이벤트 붙이기 window...