전체 글1217 ❇️ [KTO: Model Alignment as Prospect Theoretic Optimization] 인트로 리뷰 ABSTRACTKahneman과 Tversky의 전망이론(prospect theory)은 인간이 확률 변수를 편향되었지만 일정한 방식으로 지각한다는 것을 보여준다(1992); 예를 들어, 인간은 손실 회피 성향(loss aversion)으로 유명하다. 우리는 LLM을 인간 피드백에 맞게 정렬(alignment)하는 데 사용되는 목표 함수들이 이러한 인간의 편향을 암묵적으로 포함하고 있음을 보여준다 — 이러한 목표 함수들(DPO 등)이 단순한 교차 엔트로피 최소화보다 더 나은 성능을 보이는 이유는 이들이 우리가 인간 인지에 기반한 손실 함수(human-aware losses, HALOs)라 부르는 함수군에 속하기 때문이다. 그러나 이러한 방법들이 가정하는 인간의 효용 함수는 기존 전망이론 문헌의 효용 함수.. 2025. 6. 24. 🛡️ UCPC 7차 회의 보호되어 있는 글 입니다. 2025. 6. 16. 중간보고서 : 은하 병합 여부 및 단계를 분류하는 이미지-수치기반 멀티모달AI 모델 개발 히히 교수님이 극칭찬해주셨다! ㅎㅎ 쿠르크제작트 미안해요...>!링크만 공개로 했어요.>>,,,,!ㅠ딱 교수님만 보실 거예요너무 딱 맞는 영상이라서요...ㅠㅠㅠㅠㅠ 2025. 6. 14. 발표 코멘트 - 임시 보호되어 있는 글 입니다. 2025. 6. 10. 💥 SYNERGI - 대면 회의 1 TNG 시뮬레이션 기반 은하 병합 분류를 위한 멀티모달 AI 모델 구축예약한 강의실이.. 이런 모양일 줄은 몰랐지✅ 데이터셋 - 이미지이미지 해상도: 400×400으로 고정.이미지 생성 방법: TNG 시뮬레이션에서 뷰어 사용해 생성 (파이 XP GPO 기반).SDSS r밴드 기준으로 스텔라 파티클만 활용.배경 성분(별/가스 등)이 제외되기 때문에 실제 관측과 차이가 있음.중심을 stellar mass 중심으로 재정렬하여 균일한 crop 수행하기스냅샷 범위: 91~99 사용 (필요시 80까지 확장 가능)중복 사용: 동일 은하가 여러 스냅샷에 포함되어도 문제 없음 (물리량이 달라지므로 중복학습 위험 낮음)프리/포스트 머저 샘플 수: 총 약 500개 확보 예상생성 속도: 은하 1개당 1분 이내 생성 가능.관측.. 2025. 6. 7. 정보통신공학 9장 WAN Technology and Protocols - 3 🇰🇷 한국 초기 데이터 통신 역사 (속도 발전 흐름)PC통신~56kbps전화선 기반, 텍스트 기반 통신ISDN~128kbps음성·데이터 동시 전송ADSL~24Mbps비대칭 속도, 고속 다운로드VDSL~300MbpsADSL보다 빠름FTTH~1Gbps광섬유 기반, 현재 주류 🔌 Circuit Switching (회선 교환) 구성 요소Subscribers: 가입자 (이용자)Subscriber line: 사용자 ↔ 교환기 사이 구리선Exchanges: 회선 교환기 (연결 설정/해제 역할)Trunks: 교환기 ↔ 교환기 간 고속 링크⏱ Multiplexing (다중화)목적: 하나의 물리 링크를 여러 사용자/채널이 공유초기 방식:FDM (주파수 분할 다중화) – 아날로그 시대TDM (시간 분할 다중화) – .. 2025. 6. 5. 정보통신공학 9장 WAN Technology and Protocols - 2 🇰🇷 한국의 초기 데이터 통신 역사PC통신~56kbps전화 회선을 이용한 비동기 통신ISDN (종합정보통신망)64 ~ 128kbps음성과 데이터를 동시 전송xDSL64kbps ~ 최대 300Mbps (VDSL 기준)기존 전화선을 이용한 고속 데이터 통신 🔌 회선 교환(Circuit Switching)의 구성 요소Subscribers: 통신 서비스를 사용하는 사용자Subscriber Line: 사용자와 교환기(Exchange)를 연결하는 구리선Exchanges: 전화 교환기, 통화를 설정하고 종료Trunks: 교환기 간 연결선 (고속, 장거리)🎛 다중화(Multiplexing) 기법목적: 하나의 물리적 링크를 여러 논리 채널이 공유방식:FDM (Frequency Division Multipl.. 2025. 6. 3. 정보통신공학 9장 WAN Technology and Protocols - 1 🌐 WAN에서 사용되는 두 가지 기술 1. 회선 교환 (Circuit Switching, CS)등장 시기: 1876년특징: 송수신 간 전용 회선 할당 → 고정된 대역폭과 지연 보장적합한 상황: 통화처럼 연속적이고 일정한 전송 속도가 필요한 환경부적합: 다양한 속도의 기기/애플리케이션이 혼재된 현대 인터넷 구조와는 부적합 2. 패킷 교환 (Packet Switching, PS)등장 시기: 1970년대 초특징:데이터를 패킷 단위로 분할해 라우팅지연(delay) 및 헤더 오버헤드 발생현대 인터넷의 기본 구조신뢰성 향상 기법: 다중 경로 제공 (e.g., Multi-homed ISP) In order to increase reliability, a WAN has more than one path between.. 2025. 6. 3. ❇️ [DENOISING DIFFUSION IMPLICIT MODELS] 인트로 리뷰 ABSTRACT우리는 객체 탐지를 위한 새로운 접근 방식인 YOLO를 제안한다. 기존 객체 탐지 연구는 분류기를 재활용하여 탐지를 수행하지만, 우리는 객체 탐지를 공간적으로 분리된 바운딩 박스와 관련된 클래스 확률로의 회귀 문제로 정의한다. 하나의 신경망이 전체 이미지를 입력받아 바운딩 박스와 클래스 확률을 단 한 번의 평가로 직접 예측한다. 탐지 파이프라인 전체가 하나의 네트워크로 구성되어 있기 때문에, 탐지 성능을 기준으로 엔드 투 엔드 학습이 가능하다. 우리의 통합된 아키텍처는 매우 빠르다. 기본 YOLO 모델은 초당 45프레임으로 이미지를 실시간 처리할 수 있으며, 더 작은 버전인 Fast YOLO는 무려 초당 155프레임을 처리하면서도 다른 실시간 탐지기보다 두 배 이상의 mAP 성능을 보인다... 2025. 6. 3. ❇️ [YOLO: You Only Look Once: Unified, Real-Time Object Detection] 리뷰 므엥✳️ 논문 리뷰 1. 🧾 논문 개요이 논문은 객체 탐지를 위한 새로운 방식인 YOLO (You Only Look Once)를 제안한다. 기존의 R-CNN이나 DPM 방식과 달리 YOLO는 이미지를 한 번만 보고 동시에 여러 객체의 경계 상자와 클래스 확률을 예측한다. 이를 통해 객체 탐지 과정을 단일 신경망으로 통합하고, 학습 및 추론 속도를 대폭 향상시켰다. YOLO는 전체 이미지를 입력으로 받아 전역적인 문맥을 반영할 수 있으며, 실시간 처리 속도(45fps, Fast YOLO는 155fps)와 함께 경쟁력 있는 성능을 달성하였다.2. 🎯 주요 기여탐지 과정의 통합: 객체 탐지를 이미지 분류처럼 단일 회귀 문제로 간주하여 전체 탐지 파이프라인을 하나의 CNN으로 단순화함.실시간 성능: YOLO.. 2025. 6. 3. 이전 1 ··· 6 7 8 9 10 11 12 ··· 122 다음
