분류 전체보기
![[RA6M3] TIL](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FG8sBQ%2FbtsFGUs1eBS%2FyU2kekKZicfDK6aFapjPBK%2Fimg.png)
[RA6M3] TIL
ARM core Exception 예외처리란? → 실행 흐름상 오류가 발생했을 때 오류를 그대로 실행시키지 않고 오류에 대응하는 방법을 제시하는 개념이나 하드웨어 구조를 의미 RA6M3 제조사인 Renesas의 Reference Manual에는 예외처리 관련 메뉴얼이 없기 때문에 혹은 을 참고해야 함. 최상위단 0번 인덱스는 Stack Pointer 기능 총 512 exceptions 기능 구현 가능 이러한 기능들은 ARM프로세스의 특정 영역인 SCS(System Control Space)에서 관리 15번 SysTick은 내부 클럭 외부로치면 타이머를 통해 interrupt하는 기능과 유사 16번부턴 사용자 정의. 16 ~ 16+N 영역은 interrupt라고 할 수 있음 SCS(System Contro..
![[HCS12] TIL](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FcuEswF%2FbtsFHuNZCjb%2FW6Mpi5XLHKuDaqzMzyk8m1%2Fimg.png)
[HCS12] TIL
HCS specifications 보드 명: HCS12 Freescale 사의 16bit MCU 탑재 ROM, RAM, EEPROM, Flash ROM 내장 16bit 타이머 Serial, CAN 통신 가능 ADC(Analog to Digital Converter) 가능 PWM(Pulse Width Modulation), 펄스 폭 변조 가능 저전력 지원 >CMOS(Complementary Metal Oxide Semiconductor) >전력 소모의 가변화 >SLEEP모드 (사용 중 대기) IDE CodeWarrior® Dev Tools for HCS12(X) MCUs | NXP Semiconductors Datasheet★ https://www.nxp.com/docs/en/data-sheet/HCS12..
[RA6M3 ] TIL (03.11)
>Resistor : 저항 >Register : flip-flop의 집합체 >flip-flop이란? 1 bit를 기억할 수 있는 순서회로. 전기 신호가 지속적으로 공급되어야만 정보를 유지할 수 있는 휘발성 메모리 >Anode vs Cathode Anode라고 해서 무조건 양극이 아님 >Pull-up Resistor가 없다고 가정했을 때 스위치를 열고 닫으면서 잔류하게 되는 전류로 인해 Floating State이 발생할 수 있음. Floating State는 Logical Value 값이 0도 1도 아닌 애매한 값.하지만 요즘 MCU는 내부적으로 pull up resistor가 존재하기 때문에 소프트웨어적으로 pull up resistor를 ON시키면 외부 회로 설계할 때 pull up resistor를..
![[선형대수학] 1강 - 행렬과 행렬식](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FcACGkz%2FbtsD7nizbH1%2FBFZVuhejilpP0FKlKXhhz0%2Fimg.png)
[선형대수학] 1강 - 행렬과 행렬식
이 글은 이상엽 선생님의 선형대수학 강의 TIL입니다. 유튜브 링크는 본문 하단에 게시하였습니다.행렬과 행렬식행렬이란?정수의 순서쌍 집합에서 성분이 포함된 집합으로 가는 함수직사각형 형태로 수가 배열된 것역사적으로 본다면 행렬은 '연립일차방정식의 풀이를 어떻게 하면 될까?'라고 고민한 데서 시작했다고 합니다. A라는 행렬이 있다고 가정하겠습니다.$A = \begin{pmatrix}1 & 2 & 3 \\4 & 5 & 6 \\\end{pmatrix}$ 성분(항, 원소) : 행렬 안에 배열된 구성원 $a_{ij}$ (1, 2, 3, 4, 5, 6)행: 행렬의 가로줄열: 행렬의 세로줄m * n 행렬: m개의 행과 n개의 열로 이루어진 행렬 즉 A는 이렇게도 표현 가능합니다. $A = \begin{pmat..
![Neural Networks and Deep Learning [4주차]](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2Fd9oIsQ%2FbtsDp77mqOt%2F38bbeJ9V9OzK82qKkcsezK%2Fimg.png)
Neural Networks and Deep Learning [4주차]
강의 목차 심층신경망 심층 L 레이어 신경망 심층 네트우크에서의 순방향 전파 행렬 차원 계산 방법 왜 심층 표현인가? 심층 신경망의 빌딩 블록 순방향 및 역방향 전파 파라미터 vs 하이퍼파라미터 뇌와 어떤 관련이 있을까? 심층 L 레이어 신경망 로지스틱 회귀는 얕은 모델 뒤로 갈수록 5 hidden layers는 깊은 모델이라고 할 수 있습니다. L = 4 (L: 레이어 수, 레이어 수는 입력층을 제외한 나머지 은닉층 + 출력층) $n^{[l]}$은 layer $l$ 유닛 ex) $n^{[1]}$ = 5 $a^{[l]} = g^{[l]}(z^{[l]})$ $w^{[l]} = z^{[l]}$을 계산하기 위한 가중치 심층 네트워크에서의 순방향 전파 행렬 차원 계산 방법 $z^{[1]} = w^{[1]}*x ..
![Neural Networks and Deep Learning [3주차]](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2Fuxg9k%2FbtsDjXEANuW%2Fp2kNVX2UX6797OP41y51j1%2Fimg.png)
Neural Networks and Deep Learning [3주차]
강의 목차 얕은 신경망 신경망 개요 앞서 우리는 로지스틱 회귀에서 w, b값을 안다면 z값을 구할 수 있었고 z값을 sigmoid 함수에 넣으면 a값을 구할 수 있었습니다. 이 a는 ŷ이라고도 볼 수 있습니다. 따라서 최종 loss값도 구할 수 있습니다. 신경망에서는 레이어층이 여러개이므로 레이어 순서대로 a값을 구합니다. 단일 신경망 표현 신경망의 레이어는 입력층, 은닉층, 출력층으로 나뉩니다. $ a_{2}^{[1]}$에서 [1]은 두번째 레이어를 칭하고, 2값은 해당 레이어의 노드를 나타냅니다. 레이어의 순서는 index와 같이 0부터 시작합니다. 여러 예제에서 백터화하기 X에 대한 최종 ŷ값을 구하려면 순차적으로 구해나가야 합니다. 위 그림에서는 $a^{[2]}$값이 최종 ŷ값이 됩니다. 따..
![Neural Networks and Deep Learning [2주차]](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FbKQEPT%2FbtsC4aDICD9%2FfmOKK0f3kNkHNutT6ZnZuk%2Fimg.png)
Neural Networks and Deep Learning [2주차]
강의 목차 신경망으로서의 로지스틱 회귀 파이썬과 벡터화 1. 신경망으로서의 로지스틱 회귀 신경망을 구현할 때 중요한 몇 가지 기술 m개의 훈련 예제를 가진 훈련 세트가 있을 때 훈련 예제에 대해 for문을 돌리며 하나씩 훈련 세트를 처리해 왔을 것 하지만 신경망을 구현할 때 전체 훈련 세트를 for문 없이 처리해야함 순전파, 역전파 로지스틱 회귀 : 이진 분류를 위한 알고리즘 비용 함수 손실 함수(loss function)는 학습 모델(머신러닝 등)의 예측값(ŷ)이 실젯값(y)과의 차이 정도를 수치로 나타내는 함수 비용 함수(cost function)는 모든 입력에 대해 계산한 손실 함수의 평균값으로 계산 수식으로 나타내면 이렇습니다. 또한 로지스틱 회귀는 아주 작은 신경망으로도 볼 수 있다고 합니다...
![Neural Networks and Deep Learning [1주차]](https://img1.daumcdn.net/thumb/R750x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2FWz4KI%2FbtsCSa5lg6U%2FdBYdte26st3wu956n0pnYk%2Fimg.png)
Neural Networks and Deep Learning [1주차]
강의 소개 이 강의는 심화과정 5개 강의 중 첫 번째 강의 첫 번째 강의에서는 신경망과 딥러닝의 기본 개념을 학습합니다. 강의 목차 딥러닝 소개 1. 딥러닝 소개 신경망이란? - 집값 예측 예시 집 크기에 따라 가격이 오르는 모습 모양이 ReLU모양 몇 개의 뉴런을 거쳐 가격을 예측할 수 있다. -> 이게 실제 신경망 신경망을 사용한 지도학습 지금까지 신경망에 의해 창출된 거의 모든 경제적 가치는 지도 학습이라는 한가지 유형의 머신 러닝을 통해 만들어진 것 CNN : 이미지 애플리케이션의 경우 CNN으로 약칭되는 컨볼루션 신경망을 사용하는 경우가 많습니다. RNN : 오디오는 시간에 따라 재생되기 때문에 가장 자연스럽게 1차원 시계열 또는 1차원 시간 시퀀스로 표현 그러므로 시퀀스 데이터의 경우 RNN,..