za_bc의 등록된 링크
za_bc로 등록된 네이버 블로그 포스트 수는 28건입니다.
ENASNet [내부링크]
요약 (Abstract + Introduction)빠르고 비용이 적게 드는 automatic model design ( Single Nvidia G...
MnasNet [내부링크]
요약 (Abstract + Introduction)Automated mobile neural architecture search즉, 모바일에서 사용가능...
Progressive Neural Architecture Search (PNAS) [내부링크]
요약 (Abstract + Introduction)Sequential model-based optimization(SMBO)를 사용하여 복잡성이 ...
다이내믹 프로그래밍의 한계와 강화학습 [내부링크]
다이내믹 프로그래밍은 계산을 빠르게 하는 것이지, 학습을 하는 것이 아니다. 다이내믹 프로그래밍으로...
강화학습 기초 - 몬테카를로 예측 [내부링크]
예측 : 에이전트가 환경과의 상호작용을 통해 주어진 정책에 대한 가치함수를 학습하는 것 ex) 몬테카를로 ...
강화학습 기초 - 시간차 예측 [내부링크]
몬테카를로 예측의 단점 : 실시간이 아니다. 즉, 가치함수를 업데이트하기 위해서는 에피소드가 끝날 때까...
강화학습 기초 - 살사 [내부링크]
https://blog.naver.com/za_bc/221549631328위 글에서 말했듯, 강화학습의 알고리즘 흐름은 결국 살사로 발...
강화학습 기초 - 큐러닝 [내부링크]
ε-탐욕정책에 따라 움직인 살사에서 탐험으로 인해 큐함수의 값이 낮아지게되면, 이후 다시 그 상태에 에...
강화학습 심화 - 근사함수 [내부링크]
앞서 이야기한 다이내믹 프로그래밍의 한계점1. 계산 복잡도 2. 차원의 저주3. 환경에 대한 완벽한 정보 필...
강화학습 - 딥살사(DeepSARSA) [내부링크]
앞서 이야기했던 그리드월드 문제에서, 장애물 세모가 늘어나고, 움직이는 경우에 대한 예제이다.살사 알고...
MONAS: Multi-Objective NAS [내부링크]
요약 (Abstract + Introduction)neural architecture search를 위한 MONAS frameworkaccuracy + c...
Neural Architecture Optimization [내부링크]
요약 (Abstract + Introduction)Simple and Efficient method NAS, based on continuous optimizati...
FairNAS : Rethinking Evaluation Fairness of Weight Sharing Neural Architecture Search [내부링크]
요약Neural Architecture Search에서 사용되는 weight sharing에서, 과연 공유되는 wegith가 정말 중요...
Fast, Accurate and Lightweight Super-Resolution with Neural Architecture Search - FALSR [내부링크]
https://blog.naver.com/za_bc/221595348393위 글은 샤오미에서 NAS로 만든 super resolution 구조들의 ...
Multi-Objective Reinforced Evolution in Mobile Neural Architecture Search - MoreMNAS [내부링크]
https://blog.naver.com/za_bc/221595348393위 글은 샤오미에서 NAS로 만든 super resolution 구조들의 ...
Super-Resolution with NAS - Xiaomi AI Lab [내부링크]
공통점1. Feature extractor - cell structure - sub-pixel upsampling 으로 이루어져있고, cell structur...
Progressive Differentiable Architecture Search: Bridging the Depth Gap between Search and Evaluation [내부링크]
요약기존 Darts에서, CIFAR로 학습된 8개의 cell을 ImageNet을 위해 20 cell로 바꾸면, Depth Ga...
강화학습 심화 - 폴리시 그레이디언트 [내부링크]
policy gradient : 인공신경망으로 정책을 근사하고 목표함수의 기울기를 따라 정책신경망을 업데이트 하는...
강화학습 심화 - 케라스 [내부링크]
Deep Learning Framework : Tensorflow, Pytorch, Caffe, Keras ...Keras : 텐서플로우를 감싸는 ...
강화학습 기초 - 가치 이터레이션 [내부링크]
가치 이터레이션 : 반복적으로 가치함수를 발전시켜서 최적에 도달하고 최적 정책을 구할 수 있다. 정책 이...
강화학습 기초 - 정책 이터레이션 [내부링크]
정책 이터레이션 : 벨만 기대 방정식을 사용해 MDP로 정의되는 문제를 푸는 것정책 : 에이전트가 모든...
강화학습 기초 - 다이내믹 프로그래밍과 그리드월드 [내부링크]
순차적 행동 결정 문제1) 순차적 행동 문제를 MDP를 통해 수학적 정의(목표:에이전트가 받을 보상의 합...
강화학습 기초 - 벨만 방정식 [내부링크]
1. 벨만 기대 방정식 : 현재 상태의 가치함수와 다음 상태의 가치함수 사이의 관계의 식을 나타내는 방정식...
강화학습 기초 - 큐함수 [내부링크]
가치함수는 함수이기때문에, 입력과 출력이 필요하다.입력(상태) -> 가치함수 -> 출력(받을 보상의 ...
강화학습 기초 - 가치함수 [내부링크]
에이전트는 MDP를 통해 최적 정책을 찾는다.이때, 어떻게 최적정책을 찾을까?현재 상태에서 앞으로 받을...
강화학습 기초 - MDP [내부링크]
MDP : 순차적으로 행동을 계속 결정해야하는 문제를 수학적으로 표현한 것구성요소 : 상태, 행동, 보...
네이버 블로그
티스토리
커뮤니티