Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | ||||
| 4 | 5 | 6 | 7 | 8 | 9 | 10 |
| 11 | 12 | 13 | 14 | 15 | 16 | 17 |
| 18 | 19 | 20 | 21 | 22 | 23 | 24 |
| 25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- pymysql
- 브라이틱스 서포터즈
- Random Forest
- 데이터 분석
- Brightics 서포터즈
- Brigthics Studio
- 데이터 분석 플랫폼
- 비전공자를 위한 데이터 분석
- 삼성 SDS
- 서포터즈 촬영
- michigan university deep learning for computer vision
- 분석 툴
- 브라이틱스 스태킹
- Activation Function
- 범주형 변수 처리
- 파이썬 내장 그래프
- paper review
- 검증 평가 지표
- Python
- 브라이틱스 AI
- Brightics AI
- 파이썬 SQL 연동
- Brightics studio
- 브라이틱스 프로젝트
- Brightics EDA
- 삼성 SDS 서포터즈
- 머신러닝
- 딥러닝
- 브라이틱스 분석
- Deep Learning for Computer Vision
Archives
- Today
- Total
목록cell state (1)
하마가 분석하마
12. Recurrent Neural Networks
Michigan University의 'Deep Learning for Computer Vision' 강의를 듣고 정리한 내용입니다. Recurrent Neural Networks Classical Approach for Time Series Analysis Time domain analysis -> width, step, height of signal Frequency domain analysis -> Fourier analysis or wavelets Nearest neighbors analysis -> Dynamic time warping (DTW) Probabilistic Model -> Language modeling (S)AR(I)MA(X) models -> Autocorrelation ins..
Deep learning/Michigan university deep learning
2022. 2. 11. 13:31