Jayden`s

[TIL] 85. GAN(Generative Adversarial Networks)

키워드 GAN(Generative Adversarial Networks) Generator Discriminator GAN(Generative Adversarial Networks ; 생성적 적대 신경망) 실제와 유사한 데이터를 만들어내는 생성모델 생성자(Generator) : 실제와 동일한(유사한) 데이터를 만들기 위해 학습 -> 비지도학습 판별자(Discriminator) : 생성자가 만든 데이터를 진짜인지 가짜인지 더 잘 분류하기위해 학습 -> 지도학습(이진분류) 즉, 마치 위조지폐를 만드는 범죄자(생성자)와 위조지폐를 분별하는 사람(판별자)가 서로 경쟁하며 점차 성능이 좋아지고 결국엔 진짜와 가짜를 구분하기 어려울 정도로 위조지폐가 만들어지는 것과 같은 원리 아래 이미지가 위의 내용을 도식화한 이..

[10250] ACM 호텔

import sys T = int(sys.stdin.readline()) for _ in range(T): H, W, N = map(int, sys.stdin.readline().rstrip().split()) if N % H ==0: ans = H * 100 + N // H else: ans = (N % H) * 100 + N // H + 1 print(ans) 10250 ACM 호텔 t = int(input()) for i in range(t): h, w, n = map(int, input().split()) num = n//h + 1 floor = n % h if n % h == 0: # h의 배수이면, num = n//h floor = h print(f'{floor*100+num}'..

[딥러닝, CV] GAN(Generative Adversarial Networks)

GAN(Generative Adversarial Networks) 실제와 유사한 데이터를 만들어내는 생성모델 생성자(Genrator)는 가짜 데이터를 생성해내고 판별자(Discriminator)는 가짜 데이터와 진짜 데이터를 분류합니다.(가짜는 0, 진짜는 1로 이진분류) 위의 행위가 곧 1 epoch가 되고 행위가 반복될 때마다, 생성자 모델과 판별자 모델의 가중치가 조정되며 생성자와 판별자는 각각 그 성능이 향상됩니다.(생성자는 더 그럴듯한 가짜 데이터를 만들게 되고, 판별자는 분류 성능이 점차 향상됩니다.) 결국 어느 지점에 이르게 되면 판별자는 진짜와 가짜를 더 구분하기 어려워지고 50%의 확률로 진짜와 가짜를 구분하게 됩니다. CycleGAN 기존 pix2pix(pixel to pixel)은 말..

[TIL] 84. AutoEncoder

키워드 오토인코더 잠재벡터 차원 축소, 데이터 압축 이상치 탐지, 노이즈 제거 오토인코더(AutoEncoder) 입력 데이터를 저차원의 벡터(잠재 벡터; Latent Vector)로 압축한 뒤 원래 크기의 데이터로 복원하는 신경망 궁극적으로 보다 나은 잠재 벡터를 얻는 것이 그 목적이기도 합니다. 잠재벡터(Latent Vector) 원본 데이터보다 차원은 작으면서, 그 특징은 잘 보존하고 있는 벡터 오토인코더 활용 차원 축소 및 데이터 압축 데이터 노이즈 제거 : 학습 시 train data는 노이즈가 있는 데이터이고 정답데이터는 훈련 데이터 원본(노이즈가 없는)임을 주의합니다. 이상치 탐지 : 정상 데이터를 복원하는 과정에서 특정 임계치를 구하고 정상 데이터로만 훈련된 오토인코더 모델에 비정상 데이터를..

[2292]벌집

import sys N = int(sys.stdin.readline()) i = 0 if N ==1 : print(1) else: while True: if ((N - 2) // 6) in range( i * ( i + 1 ) // 2, i * ( i + 3 ) // 2 + 1): print(i + 2) break else: i += 1 2292 벌집 다른 풀이 n = int(input()) nums_pileup = 1 # 벌집의 개수, 1개부터 시작 cnt = 1 while n > nums_pileup : nums_pileup += 6 * cnt # 벌집이 6의 배수로 증가 cnt += 1 print(cnt) 출처 훨씬 쉽다... 단순하게 계차 수열이 아니라 문제를 잘 보고 파악해야겠다.