전체 글1293 💫 LSST with AI : 11th Korea Astronomy Machine Learning Meeting 신청 우주먼지 교수님이 추천해주셨다이번에 데이터 다뤄 보니까 어렵더라가서 체험하면 좋을 듯! "LSST with AI" KAML 2025Welcome! Welcome to the webpage of 11th Korea Astronomy Machine Learning Meeting, Spring 2025, "LSST with AI". As in the past ten meetings, we hope that this meeting continues to be a venue for astrophysicists and cosmologists in Korea to exchange ideas ansites.google.com환영합니다!2025년 봄, “AI와 LSST” 제11회 Korea Astronomy Mach.. 2025. 4. 8. 🚀 post-merger Masquerade : Related work / Intro 연구제안서 작성 AI팀 연구제안서 참고자료AI팀 연구제안서 참고자료 Introduction 본 연구는 은하 충돌(merger) 여부를 분류하는 딥러닝 기반 모델을 제안하며, 특히 이미지 및 물리량 정보를 결합한 멀티모달 학습(Multimodal Learning) 기법을 적용docs.google.com 🚀 관련 연구 논문 🌌 머신 러닝 모델을 사용해 병합 은하 구분을 구현한 논문Galaxy mergers in Subaru HSC-SSP: a deep representation learning approach for identification and the role of environment on merger incidence Zoobot 모델 파인튜닝하여 사용 1. 기반 모델• Zoobot은 Galaxy Zoo DE.. 2025. 4. 8. 💥 Zoobot 모델 - 은하 병합 파인튜닝 테스트 ing 므아앙드디어..!ㅠ merger 나왔다50기가만에... 아니이거 왜 은하 iD가 없지] snapshot-91.0.hdf5로부터는 은하의 현재 물리적 특성(예: 항성질량)이나 은하 ID 등을 알 수 있고, \merger_history.hdf5로부터는 그 은하의 마지막 병합 시점이나 다음 병합 예정 시점 같은 동적 이력 정보를 얻을 수 있습니다 스냅숏 번호 + Subhalo ID + 병합 여부 라벨 + gri 이미지로 구성된 데이터셋을 구해야 하는 거잖아그러면 논문 다시 보면병합 비병합 은하 merger histtoue보고250개 정한 다음에다른 각도에서 4개씩 보고 스냅샷 설정해서 gri 이미지 다운받고 skirt로 먼지실제느낌 보정하고뭐 snapshot 데이터로 은하 id랑 이런 것도 통합해야 하.. 2025. 4. 8. ✳️ Denoising Diffusion Probabilistic Models 인트로 리뷰 Denoising Diffusion Probabilistic ModelsWe present high quality image synthesis results using diffusion probabilistic models, a class of latent variable models inspired by considerations from nonequilibrium thermodynamics. Our best results are obtained by training on a weighted variational boundarxiv.org초록 (Abstract) 우리는 비평형 열역학(non-equilibrium thermodynamics)에서 영감을 받은 잠재 변수 모델(latent variable m.. 2025. 4. 7. 졸프 끄적 해오기로 한 TODO 👽 졸업 논문 ( 9 ) - 멀티모달 딥러닝 아키텍처 개요연구 주제가 어느정도 정해지고 있다...!요놈이 제일 가능성 높은 주제일 듯하다실제 관측 데이터(측광 데이터+분광 데이터)와, 3D 시뮬레이션 데이터(시뮬 이미지 데이터+입력 데이터..?)를 사용sosoeunii.tistory.com 👽 졸업 논문 ( 10 ) - 멀티 모달 논문 분석 : Multimodal Machine Learning:A Survey and TaxonomyAbstract & Introduction 우리의 세계 경험은 시각, 청각, 촉각, 후각, 미각과 같이 여러 감각(modality)을 통해 이루어진다.인공지능(AI)이 주변 세계를 더 잘 이해하려면 이러한 다중 모달 신호를 함께 해sosoeunii... 2025. 4. 7. 🛡️ UCPC 3차 회의 보호되어 있는 글 입니다. 2025. 4. 7. 🌌 은하 합병 여부 분류를 위한 멀티모달 학습 전략 수립 보호되어 있는 글 입니다. 2025. 4. 7. 😛 Clip : Learning Transferable Visual Models From Natural Language Supervision : 4. Comparison to Human Performance - 9. Conclusion 😛 4. 인간 성능과의 비교 (Comparison to Human Performance) 🎯 실험 목적• CLIP과 인간이 비슷한 상황에서 제로샷/퓨샷 학습 성능을 어떻게 보이는지 비교• 모델과 인간의 표본 효율(sample efficiency) 및 학습 방식의 차이를 분석 🧪 실험 설계• 실험 데이터셋: Oxford IIT Pets (총 3669장, 37개의 고양이/강아지 품종)• 5명의 인간 평가자에게 3가지 조건에서 분류 실험 수행:• Zero-shot: 아무 예시도 없이 품종 분류• 1-shot: 품종별 예시 이미지 1장 제공• 2-shot: 품종별 예시 이미지 2장 제공• CLIP은 동일한 조건에서 제로샷 분류기로 평가 📊 결과 요약 (정량)조건전체 정확도“모름 제외” 정확도다수결 정.. 2025. 4. 4. 🛡️LG 전자 후원사 미팅 보호되어 있는 글 입니다. 2025. 4. 4. 25 생일 아카이브🎂 보호되어 있는 글 입니다. 2025. 4. 3. 이전 1 ··· 21 22 23 24 25 26 27 ··· 130 다음
