본문 바로가기

분류 전체보기145

VGG-19 경량화 모델 기반 딥보이스 탐지 앱 개발 하이브리드 모델, 온디바이스 모델 추세 실제로 여러 분야의 모델들이 경량화를 위해 연구되고 있는 추세이다.이에 대해 지난 10월, 퀄컴 본부장 은 “클라우드에서만 AI 처리를 실행하면 비용 부담이 크다"며 "100만개 토큰당 클라우드는 최대 4달러 비용이 발생하지만 온디바이스AI 기기에서는 비용이 거의 발생하지 않는다”고 설명하며 온디바이스 AI를 최대한 활용해야 함을 당부하기도 하였다.서버 의존 방식과 온디바이스 방식의 서버비 차이는 접속한 사용자가 더 많아질수록, 더 뚜렷한 차이를 보인다. 데이터 전처리에서 고려한 기술은? 멜 필터 뱅크 연산사람의 달팽이관은 소리 주파수를 선형적으로 인식하지 않고, 높은 주파수보다 낮은 주파수를 더 잘 인식한다.예를 들어, 사람은 고주파인 11Kilohertz(kHz.. 2025. 10. 7.

[C++] 영화관 좌석 예약 프로그램 영화관 좌석 예약 프로그램C-study/좌석예약.cpp at main · mmiie0/C-study (github.com) GitHub - mmiie0/C-studyContribute to mmiie0/C-study development by creating an account on GitHub.github.com[설명]- 좌석을 예약할지 하지 않을지를 입력값으로 구분- 예약할 좌석을 입력받는 과정에서는, 예약 여부에 대한 모든 좌석을 출력해줌- 몇 열, 몇 번째 좌석을 예약받을지 입력받음- 만약 예약된 좌석이 아니라면, 예약되고 예약된 표시를 줌- 만약 예약된 좌석이라면, 예약되었다고 출력해 줌[조건]1. 배열을 통해 좌석을 만든다2. 예약받은 입력값은 배열로 넣어준다3. 좌석 출력은 반복문 출력한다 .. 2025. 10. 7.

[PETs][Python] 프라이버시보호 모델 만들기 프라이버시 보호 모델을 만족하면서, 높은 유용성을 가지는 모델 만들기각 익명화 기법 별 임계값을 도출하는 모델을 만들고, 그 모델을 특정 데이터셋에 적용하여 결과의 효용성을 보이기모델의 예시로는 ARX가 있음 (임계값을 2배씩 늘려가며 경우의 수를 만들고, 가장 좋은 경우를 채택하는 모델)분석 데이터는 나이, 소득, 가족수, 신용대출여부 컬럼으로 이루어짐🌟 목표 세 가지k-익명성(k=3) 만족유용성을 충분히 높일 것최적의 임계값 도출이상치 처리- 데이터 분류 및 유형별 상하단 코딩 🔸파일 불러오기 및 민감정보 설정 🔸맞춤 처리를 위한 숫자형 데이터 유형 분류고윳값 개수와 이상치를 기준으로 데이터 유형을 나눔다루지 않는 데이터 유형은 생략함 🔸초기 분류 - ① small 유형 🔸이상치 처리 -.. 2025. 10. 5.

kaggle adware-detection - 3. 딥러닝 이전글: https://12-16.tistory.com/165요약여섯 가지의 모델을 선정하였고, 다중분류에 맞는 혼동행렬로 성능을 출력하였으며, 과적합을 판단하기 위한 손실곡선과 학습곡선도 출력하였다. 모델 구조와 성능 개선 요소를 기록했다.1. Sequential API 모델Keras에서 제공하는 가장 간단한 딥러닝 모델 설계 방식1. 층을 순차적으로 쌓아서 정의하는 코드 사용2. 3개의 은닉층으로 구성3. 성능 향상을 위한 하이퍼파라미터, 드롭아웃 설정 2. MLP 모델1. 다층 퍼셉트론 모델 코드 구현2. 성능 개선을 위한 하이퍼파라미터, 드롭아웃 설정 3. 하이브리드 모델(MLP+CNN)1. MLP와 CNN을 결합한 하이브리드 모델은 각각의 장점을 살릴 수 있음2. 모델은 CNN으로 특성을 추출.. 2025. 10. 5.

kaggle adware-detection - 2. 머신러닝 성능 비교 이전글: https://12-16.tistory.com/164요약XGBoost 모델은 기본 모델, 교차 검증 추가 모델, smote 추가 모델, 불균형 가중치 조정 모델을 작성하여 성능을 테스트하였다. 최적 하이퍼파라미터를 설정하였으며, 성능 개선 요소를 기록했다.1. 기본 XGBoost 모델1. GridSearchCV를 사용하여 최적 하이퍼파라미터 찾기2. 교차 검증(cv=3)을 사용하여 모델의 일반화 성능 확인 2. 교차검증을 추가한 XGBoost 모델 3. smote를 추가한 XGBoost 모델 4. 불균형 가중치를 조정한 XGBoost 모델 2025. 10. 5.

kaggle adware-detection - 1. 전처리 개발 데이터: https://www.kaggle.com/datasets/subhajournal/adware-detection 1. 공백 제거 / 의미없는 열 제거 컬럼 이름의 공백을 제거해 형태를 통일하고, 'Unnamed:_0'열을 제거한다. 2. 데이터 구성 분석 / 데이터셋 관련 정보 수집 애드웨어 데이터와 정상 데이터 간 불균형이 있지만,실제의 데이터에서 BENIGN 클래스가 훨씬 많기에, 이를 어느정도 반영하는 것이 현실적인 예측이 된다.3. object형 데이터 처리(Flow_ID 드롭, Source_IP와 Destination _IP 변환, Timestamp 스피어만 상관계수) 샘플 데이터에서 Flow_ID 열이 제거된 것을 확인 가능하다. URL이나 IP 주소 등 고유 값 수가 많고 수치.. 2025. 10. 5.

이전 1 2 3 4 ··· 25 다음

티스토리툴바