t-SNE
https://ratsgo.github.io/machine%20learning/2017/04/28/tSNE/
t-SNE · ratsgo's blog
이번 글에서는 데이터 차원축소(dimesionality reduction)와 시각화(visualization) 방법론으로 널리 쓰이는 t-SNE(Stochastic Neighbor Embedding)에 대해 살펴보도록 하겠습니다. 단어 벡터와 같이 고차원 데이터를
ratsgo.github.io
Dimension Reduction - t-SNE (1)
t-SNE (t-distributed Stochastic Neighbor Embedding) 는 2008년에 Laurens van der Maaten이 발표한 차원 축소 기법으로 고차원 시각화에 많이 쓰이는 방법입니다. 전체 데이터에 대해서 선형 변환을 적용해 분..
hongl.tistory.com
https://ko.wikipedia.org/wiki/T-%EB%B6%84%ED%8F%AC_%ED%99%95%EB%A5%A0%EC%A0%81_%EC%9E%84%EB%B2%A0%EB%94%A9
https://lovit.github.io/nlp/representation/2018/09/28/tsne/
t-분포 확률적 임베딩 - 위키백과, 우리 모두의 백과사전
t-분포 확률적 임베딩(t-SNE)은 데이터의 차원 축소에 사용되는 기계 학습 알고리즘 중 하나로, 2002년 샘 로이스Sam Rowise와 제프리 힌튼에 의해 개발되었다.[1] t-SNE는 비선형 차원 축소 기법으로, 고
ko.wikipedia.org
https://dos-tacos.github.io/paper%20review/TSNE/
Visualizing Data using t-SNE - Review (KR)
오늘 리뷰할 논문은 Visualizing Data using t-SNE 입니다.
dos-tacos.github.io
- 원축소 방법은 고차원 데이터 세트 X = {x1, x2, …, xn}을 2 차원 또는 3 차원 데이터 Y = {y1, y2, …, yn}을 표시 할 수 있음
- 저차원 데이터 표현 Y를 지도로, 개별 데이터 포인트의 저차원 표현 yi를 맵 포인트라고 부름
- 차원 축소의 목표는 저차원 지도에서 가능한 고차원 데이터의 중요한 구조를 최대한 보존하는 것
- Stochastic Neighbor Embedding, SNE은 데이터 포인트 간의 고차원 유클리드 거리를 유사성을 나타내는 조건부 확률로 변환함으로써 시작됨
pj|i = exp(−|xi−xj|2/2σ2i) / ∑k≠iexp(−|xi−xk|2/2σ2i)
https://dos-tacos.github.io/paper%20review/TSNE/
Visualizing Data using t-SNE - Review (KR)
오늘 리뷰할 논문은 Visualizing Data using t-SNE 입니다.
dos-tacos.github.io
deformable convolution networks
enhance the tansformation for CNN
SPATIAL TRANSFORMATIONS IN CNNS
https://deep-learning-study.tistory.com/575
[논문 읽기] DCN(2017) 리뷰, Deformable Convolution Networks
안녕하세요! 이번에 읽어볼 논문은 DCN, Deformable Convolution Networks 입니다! DCN은 (1) deformable convolution, (2) deformable RoI pooling 두 가지 방법을 제시합니다. 기존 CNN 구조 모델은 고정된..
deep-learning-study.tistory.com