전체 글1217 🌌 SYNERGI 중간 보고 내용 마이크 겹치면 안 돼서 조로록🌌 PPT🌌 발표문 은채 안녕하세요 AI 진척 사항 공유하도록 하겠습니다! –먼저 진행 현황 설명드린 후에앞으로의 방향성에 대해서 논의해보면 좋을 것 같습니다!– 이미지 데이터는 7/4일 희수 연구원님께 전달받았습니다. 도메인에 특화되고 테스크가 3클래스 분류처럼 복잡하지 않으며, 데이터 량이 천문학적으로 많지 않은 저희 테스크에서는 모델의 차이보다 데이터의 상태에 성능이 크게 좌우되므로 교수님들의 조언에 따라 다양한 데이터 전처리를 해 보려고 시도하였습니다. 화면에 보이시는 것처럼 크게 3개로 데이터를 나누어 전처리하였습니다.허깅페이스에 관련 내용을 올렸으며, 현대 프라이빗으로 키를 통해서만 데이터에 접근할 수 있는 상태입니다.토큰은 카톡방에 공유하도록 하겠습니다. .. 2025. 7. 16. 🥼 Agile 2차 랩실 미팅 7월 둘째 주 미팅 정리 | Notion🌟 Achievementshinyflight.notion.site ✅ 1. 데이터셋 설계 및 실험 전략단순한 augmentation(리사이징, 대비 조절) 외에도, 은하 이미지의 스케일 문제(멀리 있거나 작게 찍힌 은하)로 인한 노이즈가 성능에 영향을 줄 수 있다는 점을 인지함.데이터셋 간 성능 차이 실험 결과가 있었는데, 예기치 않은 픽셀 대비 강조가 모델 성능을 오히려 높이는 경우가 있어 주목할 만함.다만 “버그인가, 진짜 효과인가?“를 구분하려면 설명 가능한 AI(Explainable AI, XAI) 분석이 반드시 필요. ✅ 2. 멀티모달 모델 해석 전략 및 실험 설계단순 성능 향상이 아니라, 물리량이 어떤 영향을 주는지 해석 가능한 결과 도출이 목표임.방.. 2025. 7. 15. 🛠️ 멀티모달 모델 아키텍처 / 결과 관계 해석 전략 정리 🛠️ 멀티모달 모델 아키텍처은하의 병합 단계를 분류 (Non-merger, Pre-merger, Post-merger).은하 이미지와 수치형 물리량을 결합하는 멀티모달 접근법을 사용 시뮬레이션 데이터를 기반 이미지: 224×224 픽셀 은하 이미지수치형 물리량 (Tabular features): 은하의 수치적 물리 속성들. 예시:Stellar Mass (M)ColorStar Formation Rate (SFR)Local Environment Density (은하 주변 밀도)Luminosity (L)Redshift (Z)🛠️ 결과 관계 해석 전략 정리이미지로부터 얻을 수 있는 형태학적 병합 단서와, 수치 피처로부터 유추 가능한 물리적 특성을 통합하여 병합 단계를 정확히 예측하기 두 가지 분석 방향을 .. 2025. 7. 15. 🛡️ UCPC 10차 회의 보호되어 있는 글 입니다. 2025. 7. 14. [유런오토냥] Segformer 구현 보호되어 있는 글 입니다. 2025. 7. 12. 🛡️ UCPC 예비소집/예선 줌 감독 보호되어 있는 글 입니다. 2025. 7. 12. 📑 결과 - 물리량 / 이미지-수치 물리량 관계 해석 전략 ✅ 방향성 1: 어떤 물리량이 결과에 가장 영향을 끼쳤는지 알아내기 ① Feature Importance 분석 (Tabular Encoder 기준)Tabular encoder로 MLP / TabTransformer / FT-Transformer를 쓰기 :Attention weight 평균 또는 학습된 MLP의 weight magnitude로 feature 중요도 추정 가능.Permutation Importance: 각 feature 값을 셔플하고 성능 변화 측정 → 가장 성능이 떨어지면 중요하다는 의미SHAP (SHapley Additive exPlanations):각 샘플에 대해 각 feature가 예측에 기여한 정도를 수치화멀티모달 모델에서도 tabular encoder가 분리되어 있다면 적용 가능.. 2025. 7. 11. 📆 이형준 교수님 3번째 미팅 교수님의 칭찬 📆 1. 데이터 및 라벨링라벨링 방식:병합 전이면 pre-merger, 병합 중이면 post-merger, 병합 없으면 non-merger.10 스냅샷 윈도우 기준 (±10).시점 구분을 더 세분화할 수 있지만, 우선은 3클래스로 실험 진행하는 게 좋을 듯이미지 전처리:은하 중심을 기준으로 크롭 → 리사이즈 (224×224) - 이거 좀 작다는 의견 → 텐서화.은하 크기 차이를 보정하기 위해 black pixel 비율 기반 다이내믹 리사이징 고려.너무 확대/축소되지 않도록 주변 정보 일부 포함 유지.사이즈를 여러 개 만들어서 최적 성능을 내는 데이터셋을 찾아라 (나중에) 📆 이미지 분류 모델 실험실험한 모델들:✅ Swin Transformer (Acc: 0.79) → 가장 우수.. 2025. 7. 11. 👩🏻🔬[AGILE] 연구원 등록 / 장학금!~~! 이약호주변에 장학금 안 받고 하는 랩실인턴 언냐들 많길래생각도 안 하고 있었는데앗싸슨~!감사합니다 교수님~~1. 국가연구자번호 발급 IRIS https://www.iris.go.kr/ www.iris.go.kr 국가연구자번호를 발급 이렇ㄱ? 연구자.,,! 발급 완 2. 개인정보동의: 유레카 (https://ewportal.ewha.ac.kr/) 로그인 > 연구산학 > My Page > 개인정보 제공 및 활용동의 > 확인 체크 후 저장우왕 신기하다~생김오앙 3. 서류 제출1) 본인 명의의 은행 및 계좌번호 ✅3333222727766 카카오뱅크 2) 신분증 사본 ✅ 3) 계좌 사본 ✅ 4) 국가연구자번호✅ 2025. 7. 9. 🎇 은하 병합 image-only 모델 : AutoEncoder 우선 나는 최신 은하 병합 관련 피어슨 씨 논문에서 가장 성능이 좋았다는 오토인코더 모델 재현을 맡음🎇 데이터 준비 GalaxyDataset:Hugging Face Dataset 객체를 받아 PyTorch Dataset으로 감싸는 클래스이미지: float32 / 라벨: long 타입으로 변환__getitem__에서 (image, label) 반환train_loader, valid_loader, test_loader HamCaDor/GalaxyMergerImgTensor · Datasets at Hugging Face[[[-2.1179039478302,-2.1179039478302,-2.1179039478302,-2.1179039478302,-2.1179039478302,-2.117903947(..... 2025. 7. 9. 이전 1 ··· 4 5 6 7 8 9 10 ··· 122 다음
