KAU-Deeperent

*강화학습팀 / 발표자 조민성 - Polynomial Regression -Polynomial Neural Network(PNN) :ANN은 Y = X^2 의 함수, 혹은 Y = X^X 의 함수를 근사할 수 있는가? :평범한 ANN은 값을 근사하지만, 함수를 근사하지는 못한다! (Overfiting) -GMDH란? : Group method of data handling : Polynomial 방식을 사용하여 함수를 근사시키는 휴리스틱 ->GMDH를 ANN에 적용시키는 경우 PNN 구현 가능(상세는 PPT 참고) ->그렇다면 별도의 ANN Architecture의 변형없이 Polynomial의 구현이 가능한가? 1) X와 X*X를 인풋으로 함께 준다 : Y = 2*X*X + 1일 때, 뉴럴 네트워크가 인..

1.Android App에서 이미지를 불러와 Face-detect를 실행 -참고 https://codelabs.developers.google.com/codelabs/face-detection/index.html#0 Face Detection with the Mobile Vision API With the release of Google Play services 7.8, you can now use new Mobile Vision APIs which provide new Face Detection APIs that find human faces in image and video better and faster than before, and which offer smart services such as u..

출석관리팀 작성자:김정민 플라스크를 이용한 웹서버를 구축할 수 있으나 지속적으로 웹서버를 돌려줘야 해서 클라우드 컴퓨팅을 이용해서 웹 서버를 구축해보기로 하였고 AWS를 이용할 수 있으나 비용 청구 부분에서 무리가 있을 수 있다고 판단하여 구글 클라우드 컴퓨팅을 이용하여 도메인 연결까지 성공했습니다. 도메인 등록은 24시간이 지나야 정상 이용가능하여 기다리고 있습니다.

작성자 : 한준희 회의 : 2020. 03. 27(행아웃 온라인 회의) 저희 팀의 최종 목표는 얼굴인식 출결관리 시스템을 만들어서 웹을 통해 간단하게 실행시키는 것이었기에, 웹 사이트를 만들기 위한 웹 프레임워크인 'Flask' 에 대해 공부해보고 간단한 웹 페이지를 구성해봤습니다. 우선 웹 프레임워크란, 웹 서비스 개발을 위한 프레임워크입니다. 파이썬을 이용한 이용한 웹 프레임워크로는 대표적으로 'Django' 와 'Flask' 가 있습니다. python 기반 web application framework 중 가장 많이 사용되고 있는 것은 Django인데 그 이유는 개발하기 위해 필요한 귀찮은 작업들을 거의 대부분 Framework 레벨에서 지원해주고, 사용자가 가장 많은 만큼 커뮤니티가 가장 크기 때..

작성자: 김종헌 회의: 2020-03-26 (상암 탐앤탐스) Actor-Critic은 그 명칭에 걸맞도록 Actor와 Critic에 해당하는 학습의 대상이 각각 하나씩 총 2개의 학습 시킬 대상이 있다. Action-value function의 parameter인 w를 업데이트하는 것을 Actor의 영역, policy parameter인 θ를 업데이트하는 것을 Critic의 영역으로 생각할 수 있다. 위 식과 같이 π가 학습되면 그에 상응하는 평가를 Q가 내리고 결국 Q가 학습되어 π는 그 값을 통해 학습할 수 있다. 이같이 평가와 개선을 아래 모형같이 반복하게 된다. Monte-Carlo, TD, TD(lambda)등 원하는 policy evaluation을 통해 Q를 학습시키고, policy-grad..

회의 날짜 : 2020.03.25 회의 장소 : 구글 행아웃 Project Progress 1. 프로그램 세부화 - 프로그램 서비스 룰 세부화 1) 3단계 도전 형식(Level 1,2,3,) 2) 공포, 웃김 2가지 영상테마로 한정 3) 감정 표출 인식 시 자동종료 실행 - 고민사항 1) 단계별 웃음 인식의 기준 값을 어떻게 지정할 것인가? 2) 컴퓨터가 참여자와 보여주고 있는 영상간의 데이터 기준을 받아올 때 영상에서 처리하는지, 아니면 감정인식에 처리할 것인지에 대한 코드 방법이 필요 2. 모델 시뮬레이션 : ppt 참고 3. 영상 수집 : 보여줄 영상 수집 중 계획 1. 프로그램 코드 구현 세부화 2. 영상 수집 3. 프로그램 테스트

작성자: 정성헌 강화학습의 전반적인 이해를 돕기 위해 용어 정리와 쓰임에 대해 설명한다. 수식이 나오는 원리, 적용되는 원리와 같은 수학적인 부분보다는 개념적인 부분에 대해 설명한다. 강화학습의 목표는 episode가 끝날때 까지 reward를 받는양이 최대가 되는 policy(행동규칙)을 만드는 것이 목표다. 강화학습의 개념에 들어가기 앞서 필요 용어부터 정리해야한다. • Observation : Environment에서 받아서 State를 설명할 수 있는 정보 O_t • Action : State를 보고 Agent가 Policy를 따라 선택하여 행하는 행위 A_t • Reward : action에 대한 scaler feedback sign R_t • State : O_t, A_t, R_t 들이 모여 ..

작성자: 윤나라 Keras에는 사용할수 있도록 백본 네트워크들이 구현되어 있습니다. MobileNet도 v1, v2모두 구현되어 있고, Xception, VGG, ResNet등 다양한 모델이 있어서 예측, feature extraction, fine tuning 등에 사용할 수 있습니다. 이를 사용하여 표정을 분류할 수 있도록 작동하는 네트워크를 학습하는 코드를 리뷰하고 돌려보았습니다. 우선 keras 모듈에서 MobileNet 백본 및 사용할 레이어 등을 import 해줍니다. MobileNet은 224x224 이미지에서 작동하도록 설계되었으므로 그를 명시해주고, MobileNet 백본 객체를 하나 선언합니다. imagenet으로 pretrain된 가중치를 가진 것을 가져오도록 했습니다. include..

저희 조는 전이학습(transfer learning)개념을 이용하여 학습시간을 줄여보고자 했습니다. 전이학습이란(transfer learning)? 딥러닝 모델이 있는데 , 이러한 모델의 특징은 첫번째 층(layer)에서 "일반적인 특징"을 추출하고 , 두번쨰 층(layer)에서 "특정 문제에 적합한 특징"을 추출합니다. Yosinski et al. (2014) 논문에서는 이러한 딥러닝의 특성에 대해, '만약 첫 번째 계층에서 추출된 특징이 일반적인 특징이고 마지막 층에서 추출된 특징이 구체적인 특징이라면, 네트워크 내의 어딘가에 일반적인 수준에서 구체적인 수준으로 넘어가는 전환점이 분명 존재할 것이다.' 라고 서술하고 있습니다. 사전 학습된 모델을 이제 나의 프로젝트에 맞게 재정의한다면, 먼저 원래 모..

발표자 : 김성훈 DQN은 Deep Q network의 약자로서 강화학습에서 상당히 큰 의미를 가지고 있는 개념이다. 이 논문은 2015년도에 등재되었다. 이전엔 RL에 DNN는 사용되지 않고, 오로지 룩업테이블이나 리니어 피쳐를 활용한 구조가 사용되었다. 그 이유는 뉴럴넷과 같은 비선형모델은 강화학습을 불안정하게 만드는 것 뿐만 아니라 종종 학습을 발산시키게 된다. 그러던중 deep mind 에서 연구한 DQN은 DNN에 RL을 접목시켜 사람 수준의 제어를 가능케 하는 2가지 학습 테크닉을 도입하였다. 앞으로 소개할 개념은 deep RL 에서 대부분 사용되며, 강화학습을 공부한다면 필수적으로 알고 있어야할 것이다. DQN에서 사용한 학습 대상은 아타리 게임이다. 게임 화면의 RGB채널을 input으로 ..