전체 글1369 황의원 교수님 미팅 4/20 보호되어 있는 글 입니다. 2026. 5. 1. 🌌 시너지 전체 회의 4/30 2026. 5. 1. 🔳 TACT 적용 (TabTransformer) TACT Test-Time Adaptation by Causal Trimming 기본 문제의식OOD나 domain shift 상황에서 모델이 예측에 직접적으로 필요한 causal feature 말고, 우연히 함께 변하는 non-causal feature에도 많이 의존함 그래서 TACT는 test-time에 augmentation을 걸었을 때representation이 크게 흔들리는 방향을 non-causal direction으로 보고,그 방향 성분을 representation과 classifier prototype 양쪽에서 제거한 뒤 예측 논문 요약과 공개 구현 설명에서도 PCA로 고분산 방향을 찾고,representation과 prototype 모두에 같은 trimming을 적용하며,adaptation.. 2026. 4. 17. 🔳 LATTA 적용 (TabTransformer) 보호되어 있는 글 입니다. 2026. 4. 17. 🔳 UniTTA 적용 (TabTransformer) 원 논문의 UniTTA를 이미지용 공식 구현 그대로 옮긴 것이 아님...!TabTransformertabular inputDESI inferencestreaming / online test-time adaptation에 맞게 UniTTA의 핵심 아이디어를 가져와서 tabular feature-space 방식으로 재구성 모델 weight를 직접 업데이트하지 않고,feature space에서domain-aware normalizationclass-balanced domain statisticstemporal correlation 기반 feature adjustment를 수행해서 target domain에 적응시키는 방식 코드 플롯 test stream을 따라가면서 target domain의 featur.. 2026. 4. 17. 🔳 CoTTA 적용 (TabTransformer) CoTTA란?Continual Test-Time Adaptation 학습이 끝난 모델을 target 데이터에 그대로 쓰지 않고,test 데이터가 순서대로 들어오는 동안 모델이 조금씩 계속 적응하게 만들기 Continual스트리밍처럼 들어오는 test batch를 보면서 계속 적응 Test-Time Adaptation학습 데이터의 라벨이 아니라, 실제 추론 시점의 무라벨 target 데이터를 이용해서 적응 Unsupervised정답 라벨 없이 적응샘플의 정답은 모르지만, 현재 모델과 teacher 모델이 주는 정보로 target domain에 맞추기 Tent - 현재 batch의 entropy를 줄이는 방향으로 모델을 바꿈Tent + CoTTA의 추가 요소 ✚ teacher-student 구조st.. 2026. 4. 15. TabTransformer inference + TTA 분석 보호되어 있는 글 입니다. 2026. 4. 14. GradientBoosting 코드 검증 보호되어 있는 글 입니다. 2026. 4. 6. CatBoost 코드 검증 보호되어 있는 글 입니다. 2026. 4. 6. LightGBM 코드 검증 보호되어 있는 글 입니다. 2026. 4. 6. 이전 1 2 3 4 ··· 137 다음
