Summary FPN 피쳐를 input으로 attention 활용 scale, spatial, task를 이해하는 head 제안함. Method Scale-aware Attention $ \pi_L $ avg pool. -> 1x1 conv layer & relu -> hard-sigmoid layer pyramid...

Question. You are given an m x n integer matrix matrix with the following two properties: Each row is sorted in non-decreasing order. The first integer of each row is greater than the last intege...

Question. Given an array of integers nums which is sorted in ascending order, and an integer target, write a function to search target in nums. If target exists, then return its index. Otherwise, ...

[바닥부터 배우는 강화학습] CH9. 정책 기반 에이전트을 읽고 정리한 내용입니다. Policy Gradient stochastic policy continuous action space 목적 함수 정하기 what we want? \(\pi_\theta (s,a)\) 에 대해 이 정책이 얼마나 좋은 정책인지 ...

[바닥부터 배우는 강화학습] CH8. 가치 기반 에이전트을 읽고 정리한 내용입니다. 전제 모델 프리 상태 공간과 액션 공간이 매우 큼 RL 에이전트의 분류 가치 기반 agent : value-based 정책 기반 agent : policy-based actor-critic : 가치 함수와 정책 함수 모두 사용 ...

[바닥부터 배우는 강화학습] CH6. MDP를 모를 때 최고의 정책 찾기을 읽고 정리한 내용입니다. RL study 6주차

[바닥부터 배우는 강화학습] CH3. 벨만 방정식을 읽고 정리한 내용입니다. 주어진 정책의 상태적 value를 구하는 것은 생각보다 어려운 일이다. value를 계산하는 법을 한 줄로 “벨만 방정식”을 사용해서 구한다라고 얘기해도 큰 무리가 없을 정도로 중요한 수식이다. 벨만 방정식은 시점 t에서의 벨류와 시점 t+1에서의 벨류 사이의 관계를...

[바닥부터 배우는 강화학습] CH2. 마르코프 결정 프로세스을 읽고 정리한 내용입니다. 강화 학습에서 문제를 잘 정의하려면 주어진 문제를 MDP(Markov Decision Process)의 형태로 만들어야 한다. 마르코프 프로세스(Markov Process) 미리 정의된 어떤 확률 분포를 따라서 상태와 상태 사이를 이동하는 프로세스 ...

[바닥부터 배우는 강화학습] CH1. 강화학습이란을 읽고 정리한 내용입니다. 강화 학습이란 순차적 의사결정 문제에서 누적 보상을 최대화하기 위해 시행 착오를 통해 행동을 교정하는 학습 과정이라 할 수 있다. 보상 reward : 의사결정을 얼마나 잘하고 있는지 알려주는 신호 강화 학습의 목적은 과정에서 받는 보상의 총합...

이화여대 2021-1학기 캡스톤디자인프로젝트B 그로쓰7팀 Ewha Visualization Recommendation Program(ERP) 기술 튜토리얼에 관한 글입니다. 본 포스팅은 시각화 추천 프로그램(Visualization Recommendation Program)을 개발하는 과정 중, 이전 학기에 학습한 Seq2Seq 모델을 Flask를...