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 |
Tags
- Deep Learning for Computer Vision
- 데이터 분석
- 삼성 SDS 서포터즈
- 검증 평가 지표
- 파이썬 내장 그래프
- Brigthics Studio
- 브라이틱스 스태킹
- 브라이틱스 서포터즈
- michigan university deep learning for computer vision
- Python
- Brightics 서포터즈
- 데이터 분석 플랫폼
- Brightics EDA
- 브라이틱스 분석
- 브라이틱스 AI
- 브라이틱스 프로젝트
- 딥러닝
- 분석 툴
- 서포터즈 촬영
- paper review
- 비전공자를 위한 데이터 분석
- Activation Function
- 머신러닝
- Brightics studio
- Brightics AI
- pymysql
- 삼성 SDS
- 범주형 변수 처리
- 파이썬 SQL 연동
- Random Forest
Archives
- Today
- Total
목록rnn (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