분류 전체보기37 Gymnasium을 사용한 Double-inverted-pendulum https://gymnasium.farama.org/environments/mujoco/inverted_double_pendulum/ Gymnasium DocumentationA standard API for reinforcement learning and a diverse set of reference environments (formerly Gym)gymnasium.farama.org https://github.com/Heuisub/RL-Double-inverted-pendulum/tree/main GitHub - Heuisub/RL-Double-inverted-pendulumContribute to Heuisub/RL-Double-inverted-pendulum development by creat.. 2024. 10. 12. Laplace transform https://youtu.be/yO3vj5vPHZw?si=1bx5GAdNzzQihU1I https://youtu.be/lQuUkhAg_rc?si=a1f6wt56-UfeEapK 위의 영상을 참고하였음을 밝힙니다..!Laplace transform라플라스 변환과 기본 공식라플라스 변환은 시간 영역에서 주어진 함수 \( f(t) \)를 주파수 영역의 함수 \( F(s) \)로 변환하는 도구입니다. 기본 공식은 다음과 같습니다:\[L\{f(t)\} = \int_0^\infty e^{-st} f(t) \, dt = F(s)\]다음은 몇 가지 기본적인 라플라스 변환 공식입니다:\[\begin{array}{|c|c|}\hlinef(t) & F(s) \\\hline1 & \frac{1}{s} \\t & \frac{1}.. 2024. 10. 6. [핸즈온 머신러닝 3판] 4.모델 훈련 1부 4장오늘 정리할 부분은 4장 모델 훈련이다. 선형회귀와 경사 하강법, 다항 회귀, 과적합 감지 및 규제 기법과 로지스틱 회귀, 소프트맥스 회귀를 살펴본다고 한다. 회귀회귀회귀회귀4장 모델 훈련4.1 선형 회귀4.2 경사 하강법4.3 다항 회귀4.4 학습 곡선4.5 규제가 있는 선형 모델4.6 로지스틱 회귀4.1 선형 회귀 1장에서 삶의 만족도에 대한 선형 회귀 모델을 만들었었다. 기억 하나..? (나는 잘 기억이..)$삶의 만족도 = \theta_0 + \theta_1 \times 1인당\_GDP$ 여기서 $\theta_0$ 과 $\theta_1$은 모델 파라미터이고 독립변수(입력 특성)로 1인당 GDP를 사용한다. 일반적으로 선형 모델은 아래와 같이 입력 특성의 가중치 합과 bias를 더해서 예측.. 2024. 9. 28. Second Order ODEs https://youtu.be/WA6E0KLzclo?si=qx7q16nHW8XXgEl4 https://youtu.be/IOfXw3zwKN8?si=EjEDoVA38Uxvi2o3https://youtu.be/uddqIHEv5G4?si=bRZjL4lmUGbUqvL9https://youtu.be/MDXctbk_t50?si=ARaZfFeuGLal2rlN 위의 영상을 참고하였음을 밝힙니다..!2계 ODE 2계 ODE - 공식계수내림 (하나의 해가 주어진 경우)2계 ODE - 상수계수2계 ODE - 미정계수법2계 ODE - 매개변수법 2024. 9. 22. MATLAB 툴박스 추가 설치 방법 이번에 MATLAB으로 강화학습을 할 기회(?)라 해야하나 어쨌든 공부해볼 계기가 생겼다.그런데 강화학습 툴박스를 설치하려고 했는데 찾아보니 처음부터 다시 깔라는 것이다..에 현대시대에 이게 말이되나? 해서 찾아봤는데 MATLAB안에 까는 방법이 있었다..! MATLAB 시작하면 아래와 같은 화면일 것이다.위의 메뉴 중에서 애드온을 눌러주자 그러면 아래와 같이 애드온 탐색기라고 뜬다! 원하는 툴박스를 검색해서 설치해주면 된다. 나의 경우 강화학습 툴박스 간단하다! 매트랩 홧팅!!! 2024. 9. 22. [핸즈온 머신러닝 3판] 3.분류 1부 3장오늘 정리할 부분은 3장 분류부분이다. 2장에서 머신러닝을 어떻게 하는지 간단하게 배웠으므로 오늘부터는 실전!!3장 분류3.1 MNIST.3.2 이진 분류기 훈련3.3 성능 측정3.4 다중 분류3.5 오류 분석3.6 다중 레이블 분류3.7 다중 출력 분류3.1 MNIST이번 장에서는 고등학생과 미국 인구 조사국 직원들이 손으로 쓴 70000개의 작은 숫자 이미지인 MNIST 데이터를 사용한다. (매우 유명한 데이터셋이다.) 아래와 같은 코드를 통해 OpenML.org에서 MNIST 데이터를 불러올 수 있다.from sklearn.datasets import fetch_openml# 사이킷런 1.2에서 추가된 parser 매개변수 기본값이 1.4 버전에서 'liac-arff'에서 'auto'로 바.. 2024. 9. 20. 공업수학 - First Order ODEs https://youtu.be/rKiBSJ6a4mY?si=IBiA2UN8o3yXtbGrhttps://youtu.be/eQKd-e4lFkI?si=QKS7fuZfiI1N8u7y 위의 영상을 참고하였음을 밝힙니다..!1계 ODE - 변수분리개념 정리1계 미분방정식을 풀 때, 가장 기본적인 방법 중 하나는 변수분리이다.변수분리 단계주어진 미분방정식을 아래의 형태로 쓴다. \[\frac{dy}{dx} = y'\]$ x $는 $ x $끼리, $ y $는 $ y $끼리 정리한다.양 변을 각각 적분하여 일반 해를 구한다.예시\[ y' = y \]이 방정식을 변수분리법으로 풀어보면\[\frac{1}{y} dy = dx\]양 변을 적분\[\int \frac{1}{y} dy = \int dx\]적분 결과\[\ln|y| =.. 2024. 9. 15. MATLAB 입출력, 파일 읽기 내보내기 등등 MATLAB은 C언어와 마찬가지로 입출력이 있다input으로 입력받고disp 혹은 fprintf로 출력할 수 있다.%8.2f는 숫자를 소수점 이하 2자리까지 표시하고, 전체 자릿수가 8자리를 넘지 않도록 출력하는 포맷을 의미한다!등등 아래는 GPT가 정리해준 결과이다. 입력 및 출력 함수input: 사용자의 입력을 받습니다. 예: a = input(); -> 사용자가 입력한 값을 변수 a에 저장.disp(variable_name) 또는 disp('text'): 변수를 출력하거나 문자열을 표시합니다.fprintf(' %8.2f', a): 형식화된 출력을 할 때 사용됩니다. %8.2f는 위에서 설명한 것처럼 소수점 이하 두 자리로 실수를 출력하는 형식입니다. 파일 입출력fid = fopen('file_na.. 2024. 9. 15. [핸즈온 머신러닝 3판] 2.머신러닝 프로젝트 처음부터 끝까지 2.5~2.9 2.5 머신러닝 알고리즘을 위한 데이터 준비이제 머신러닝 알고리즘을 위한 데이터 준비를 할 차례이다. 예측 변수와 타깃값에 같은 변형을 적용하지 않기 위해 예측 변수와 레이블을 분리하고 시작하자!!housing = strat_train_set.drop("median_house_value", axis=1)housing_labels = strat_train_set["median_house_value"].copy()2.5.1 데이터 정제앞서 2.3.6에서 housing.info()로 데이터를 확인했을 때 total_bedrooms에 207개의 데이터가 빠져있었다. 대부분의 머신러닝 알고리즘은 누락된 특성을 다루지 못하므로 이를 처리를 해야하는데 어떻게 해야할까?크게 3가지로 나눌 수 있다!옵션 1: 결측값이 .. 2024. 9. 15. 이전 1 2 3 4 5 다음
