Home

1. Random Process and Fourier Transform The Continuous Time Fourier Transform (CTFT) is defined as follows: \[G(\omega) = \int_{-\infty}^{\infty}g(t)\exp(-j\omega t)dt\] where $\exp(-j\omega t) = \cos\omega t - j \sin \omega t$. The condition for the existence of the Fourier Transform $G(\omega)$ is called the Dirichlet Condition, and it is ...

1. Random Process와 Fourier Transform Continuous Time Fourier Transform(이하 CTFT)는 다음과 같이 정의된다. \[G(\omega) = \int_{-\infty}^{\infty}g(t)\exp(-j\omega t)dt\] where $\exp(-j\omega t) = \cos\omega t - j \sin \omega t$ 이 때, Fourier Transform $G(\omega)$가 존재할 수 있는 조건은 Dirichlet Condition이라고 불리며, 그 조건은 다음과 같다. 1) $g(t)$ is absolutely integrable, t...

Geoffrey Hinton mentioned in an interview with Andrew Ng that if he had to name the most proud achievement in his career as a researcher, it would be the research results using RBM. Hinton’s contribution using RBM demonstrated how important it is to initialize deep neural networks. This is because the success or failure of how effectively deep ...

Geoffrey Hinton은 Andrew Ng과의 인터뷰에서 지금까지의 연구자로써의 인생에서 가장 자랑스러운 것을 꼽으라고 한다면 RBM을 이용한 연구성과를 꼽는다고 말한 바 있다. RBM을 이용해서 Hinton이 기여한 것은 딥 뉴럴네트워크의 초기화가 얼마나 중요한 것인지 밝혀낸 것이다. 어떻게 초기화를 하는지가 딥 뉴럴네트워크가 효과적으로 학습되는지의 성패를 좌우할 수 있기 때문이다. RBM은 generative model로 데이터들의 latent factor들을 확률적인 방법으로 얻어낼 수 있는 모델이다. 이번 post에서는 RBM이 어떤 방식으로 작동하는지 알아보고자 한다. Prerequisite...

When performing a line integral, some vector fields show the same result regardless of the path. This is called path independence. If a vector field is the gradient of some scalar function F, then it is said to be path-independent. This is a result that naturally follows from the fundamental theorem of calculus. Let’s now explore the meaning of ...

line integral을 할 때 어떤 벡터장은 path에 상관없이 같은 결과를 보여준다. path independence의 결과는 그 벡터장이 어떤 스칼라 함수 $F$의 gradient 일 때 path-independent하다고 말한다. 그러한 결과는 미분적분학의 기본정리에 의해 당연히 그렇게 나와야 하는 결과이다. 이제부터 이 말의 의미가 무엇인지 알아보도록 하자. 증명 방식과 내용은 Khan academy의 Youtube 영상을 참고했다. 1. 보존장 (conservative field) 그림 1 어떤 벡터장에서 임의의 시작점과 끝점이 같은 세 curves, $C_1$, $C_2, $C_...

This post is a summary of a lecture by Professor Patrick H. Winston from MIT, which can be found at here. 1. Representing Hyperplanes using Vectors in n-dimensional Space A hyperplane is defined as “a subspace of one dimension less than its ambient space” 1. In other words, in an n-dimensional space, a hyperplane represents a subspace of dime...

본 포스팅은 MIT의 Patrick H. Winston 교수님의 강의를 정리한 것임을 밝힙니다. 1. n-차원 공간에서 벡터를 이용한 hyperplane의 표현 hyperplane이란 ‘a subspace of one dimension less than its ambient space’로 정의된다.1 즉 n차원의 공간에서의 hyperplane은 n-1차원의 subspace를 의미하는 것이며, 3차원의 경우 hyperplane은 2차원의 면이 되고, 2차원의 경우는 hyperplane은 1차원의 선이된다. 복잡한 문제에 대해 쉽게 접근하기 위해 3차원과 2차원의 hyperplane의 방정식에 대해 생각해보고 이...