[Etc] Chrome Remote Desktop으로 원격지원 받기.
·
Computer/ETC
1. Chrome 웹브라우저 다운로드 및 설치 google chrome 브라우저에서 동작하는 것이기 때문에 해당 브라우저가 있어야 함. 만약 없다면 아래 url에서 다운로드해서 설치. Google Chrome Download 2. Chrome Remote Desktop 관련 모듈 다운로드. Chrome Remote Desktop URL로 이동 : 해당 URL 오른쪽 하단의 다운로드 아이콘 (아래로 향한 화살표)를 클릭. 다운로드가 끝나고 나면, 위 그림 처럼 동의 및 설치버튼이 보임. 이를 클릭. 하단의 상태표시줄 또는 다운로드 폴더에 있는 chromeremotedesktophost.msi를 클릭하여 설치. 설치 완료 후 다음과 같은 창이 뜸: 적절한 이름 입력 (구분가능하고 가급적 영문으로) PIN 선..
Round-off Error vs. Truncation Error
·
Computer/ETC
Round-off Error 컴퓨터에서 수치를 저장하는 데이터 타입의 한계로 인한 에러. 제한된 비트에 수치를 저장하기 때문에 발생하며 Finite word-length effect, Finite word-length error라고도 불림. 주로 quantization에서 발생. 더보기 Finite precision characteristic (유한정세도특성) 계수양자화특성 : Transfer function (←difference equation)을 구현할 때 사용되는 반도체 소자의 bit수 에 따라, coefficient의 양자화 특성이 결정됨 → 높은 bit의 반도체 소자일수록 양자화 에러가 적음. 라운딩 특성 : 또한 coefficient와 input signal이 곱해지는 과정에서 round-o..
Boltzmann’s Factor (or Boltzmann’s Distribution)
·
Computer/ETC
온도 $T$가 주어진 상황에서,입자가 에너지 $E$를 가질 확률은 Boltzmann’s Factor에 비례(통계물리학). 이를 식으로 나타내면 다음과 같음. $$P(E,T)\propto\text{Exp}\left(\frac{-E}{K_\text{Boltzmann}T}\right)=\frac{1}{\text{Exp}\left(\frac{E}{K_\text{Boltzmann}T}\right)}$$ 위 식에서, $K_\text{Boltzmann}$은 Boltzmann Constant이며 $K_\text{Boltzmann}=\frac{R}{N_A}$로서 ideal gas constant $R$과 아보가드로수 $N_A$의 비(ratio)임. $R=8.314472$ 이며 unit은 $\frac{J}{K\text{m..
[ML] Newton-Raphson Method
·
Computer/ETC
Newton-Raphson Method$f(x)=0$을 만족하는 root(근)인 $\hat{x}$를 찾는 방법 중 하나 : root-finding algorithm 위의 그림에서 보이듯이1st order derivative(1차 도함수)를 이용하여현재의 $x_t$로부터 $x_{t+1}$을 구해낸다.이를 수식으로 표현하면 다음과 같다.$$\begin{aligned}f^\prime(x_t)&=\dfrac{f(x_{t+1})-f(x_t)}{x_{t+1}-x_t}\\x_{t+1}-x_t&=\dfrac{f(x_{t+1})-f(x_t)}{f^\prime(x_t)}\\\quad\\x_{t+1}&=x_t+\dfrac{f(x_{t+1})-f(x_t)}{f^\prime(x_t)}\\&=x_t+\dfrac{0-f(x_t)}..
[ML] From softmax to logistic function.
·
Computer/ETC
Softmax function은 Logistic function의 generic form 즉 일반형이라고 할 수 있음. 달리 말하면, Logistic function은 Softmax function에서 class의 수가 2인 특별한 경우에 해당함. 우선 softmax function은 다음과 같음. $$\sigma(c_i)=\frac{e^{c_i}}{\sum^N_{i=0}e^{c_i}}$$ where $N$ : # of classes - 1. $c_i$ : $i$-th categorical variable. i번째 class에 속할 가능성을 나타내는 logit score. 참고로 logit score는 특정 입력이 각 class에 속할 probability에 대응하는 "raw score"로 값이 클수록 ..
[linux] 명령어 : linux 배포판 및 버전 등을 확인하기
·
Computer/ETC
Linux 배포판 및 버전 등 확인하기 cat /etc/*release* 출력은 다음과 같음. 더보기 DISTRIB_ID=LinuxMint DISTRIB_RELEASE=19.2 DISTRIB_CODENAME=tina DISTRIB_DESCRIPTION="Linux Mint 19.2 Tina" NAME="Linux Mint" VERSION="19.2 (Tina)" ID=linuxmint ID_LIKE=ubuntu PRETTY_NAME="Linux Mint 19.2" VERSION_ID="19.2" HOME_URL="https://www.linuxmint.com/" SUPPORT_URL="https://forums.linuxmint.com/" BUG_REPORT_URL="http://linuxmint-tro..