총 917개
-
푸리에 광학2025.01.131. 푸리에 변환 푸리에 변환은 주기가 없는 임의의 함수를 조화함수의 연속적인 합으로 나타낼 수 있는 이론입니다. 1D 푸리에 변환과 역변환, 그리고 2D 푸리에 변환과 역변환의 특성을 설명하고 있습니다. 또한 푸리에 변환을 이용하여 다양한 함수의 변환값을 구하는 방법을 제시하고 있습니다. 2. 푸리에 광학 푸리에 광학에서는 빛이 어떤 평면을 통과할 때 발생하는 프라운호퍼 회절 현상을 푸리에 변환을 이용하여 설명하고 있습니다. 특히 다양한 형태의 aperture에 대한 복사조도 분포를 구하는 방법을 제시하고 있습니다. 또한 배열 이...2025.01.13
-
JPEG 이미지 압축 과정2025.01.151. JPEG 이미지 압축 JPEG 이미지 압축 과정은 디지털 이미지를 효율적으로 압축하여 저장하는 방법 중 하나입니다. 이 과정은 색상변환, 샘플링, DCT 변환, 양자화, 부호화 단계를 거치게 됩니다. 이를 통해 이미지 파일의 크기를 줄이면서도 주요 정보를 유지할 수 있습니다. 인간의 시각 특성을 활용하여 최대한의 압축 효율을 달성하는 것이 핵심입니다. 그러나 일부 세부 정보 손실이 불가피하며, 특히 양자화 단계에서 화질 저하가 발생하는 등 개선의 여지가 있습니다. 앞으로 기술 발전을 통해 JPEG 압축 기술이 더욱 발전할 것으...2025.01.15
-
CT 스캔에서의 미적분학적 기법 적용2025.01.291. CT 스캔의 원리 CT 스캔은 X선 투과와 감지를 통해 신체 내부의 단면 이미지를 생성합니다. X선이 신체를 통과하면서 내부 구조를 파악하고, 여러 각도에서 촬영된 이미지 데이터를 사용해 신체 내부의 단면 이미지를 재구성합니다. 2. 적분의 적용 CT 스캔에서 단면 이미지를 재구성하기 위해 사용되는 대표적인 수학적 기법은 라돈 변환입니다. 라돈 변환은 함수의 적분을 통해 2차원 함수의 투영 데이터를 계산하는 방법입니다. 이를 통해 각 지점에서의 흡수 계수를 계산할 수 있습니다. 단면 이미지를 재구성하기 위해서는 라돈 변환의 역...2025.01.29
-
LLM(Large Language Model)과 LMM(Large Multimodal Model)의 비교 및 딥러닝과의 관계2025.01.261. LLM(Large Language Model) LLM은 대규모 텍스트 데이터를 학습하여 사람처럼 언어를 이해하고 생성할 수 있는 능력을 갖춘 모델입니다. 이는 자연어 처리(NLP) 기술의 발전을 기반으로 하며, 딥러닝 기술을 활용해 언어의 문법적 구조와 단어 간 의미적 관계를 학습합니다. LLM은 챗봇, 자동 번역, 텍스트 요약 등 다양한 분야에서 활용되고 있습니다. 2. LMM(Large Multimodal Model) LMM은 텍스트뿐만 아니라 이미지, 소리, 동영상 등 다양한 데이터를 통합적으로 처리할 수 있는 인공지능 ...2025.01.26
-
생성형 인공 지능 입문 족보 대비 문제은행(오프라인 기말고사, 세종대)2025.01.151. 생성형 인공지능이란? 생성형 인공지능은 데이터 전처리, 모델 학습, 결과 생성으로 구성되며, GPT와 ChatGPT와 같은 모델이 대표적입니다. 생성형 인공지능은 텍스트, 이미지, 소리, 동영상 등 다양한 콘텐츠 생성에 활용되지만, 데이터 의존성, 모델 복잡성, 윤리적 문제 등의 한계가 있습니다. 이를 해결하기 위해 데이터 증강, 전이 학습, 하드웨어 개선, 효율적인 알고리즘 개발 등의 방안이 필요합니다. 2. 언어 처리 신경망 개요 RNN은 순차 데이터 처리를 위해 필요하지만, 기울기 소실 문제가 있습니다. LSTM과 GRU...2025.01.15
-
대구가톨릭대학교 파이썬프로그래밍기초 4주차 솔루션2025.05.031. 1차원 리스트 인덱싱 및 슬라이싱 1차원 리스트에 대한 인덱싱과 슬라이싱을 수행한 결과를 확인하고, 양수 인덱스와 음수 인덱스를 사용하여 동일한 출력 결과를 얻는 방법을 실습하였습니다. 2. 2차원 리스트 인덱싱 및 슬라이싱 2차원 리스트에 대한 인덱싱과 슬라이싱을 수행한 결과를 확인하고, 양수 인덱스와 음수 인덱스를 사용하여 동일한 출력 결과를 얻는 방법을 실습하였습니다. 3. 삼중 구조 리스트 인덱싱 삼중 구조 리스트에 대한 인덱싱을 수행한 결과를 확인하고, 양수 인덱스와 음수 인덱스를 사용하여 동일한 출력 결과를 얻는 방...2025.05.03
-
IT와경영정보시스템1공통 인공지능AI 학습고안된 LLM Large Language Model 대규모언어모형과 LMMLarge Multimodal Mode 대규모멀티모달모형 비교하시오002025.01.261. LLM (Large Language Model; 대규모 언어 모형) LLM은 주로 텍스트 데이터를 기반으로 학습된 모델로, 자연어 처리(NLP) 작업에 초점을 맞춥니다. 이러한 모델은 대량의 텍스트 데이터를 통해 언어의 구조, 의미 및 맥락을 이해하고 생성하는 능력을 가지고 있습니다. 예시로는 GPT(Generative Pre-trained Transformer), BERT(Bidirectional Encoder Representations from Transformers) 등이 있습니다. 2. LMM (Large Multim...2025.01.26
-
A+ 연세대학교 기초아날로그실험 7주차 예비레포트2025.05.101. 필터의 소개 및 실습 이 보고서는 필터의 소개 및 실습에 대한 내용을 다루고 있습니다. 필터는 특정 주파수 대역의 신호를 통과시키거나 차단하는 회로로, 아날로그 필터와 디지털 필터로 구분됩니다. 아날로그 필터는 수동 필터와 능동 필터로 나뉘며, 각각의 특성과 구현 방법을 설명하고 있습니다. 저역 통과 필터, 고역 통과 필터, 대역 통과 필터, 대역 제거 필터, 전역 통과 필터 등의 종류와 특성을 자세히 다루고 있습니다. 또한 PSPICE 시뮬레이션을 통해 수동 대역 제거 필터와 수동 저역 통과 필터, 능동 대역 제거 필터를 구...2025.05.10
-
스마트폰을 이용한 음식물 인식 및 칼로리 분석 애플리케이션 개발2025.01.231. 패턴인식 시스템의 구성요소와 처리 절차 패턴인식 시스템은 데이터로부터 유의미한 패턴을 인식하고 분류하는 기술로, 데이터 수집, 전처리, 특징 추출, 분류기 설계, 결과 해석의 다섯 가지 주요 구성 요소로 이루어진다. 이러한 구성 요소와 처리 절차는 음식물 인식 및 칼로리 분석 애플리케이션 개발에 필수적인 기반을 제공한다. 2. 음식물 인식 애플리케이션 개발 시 고려사항 음식물 인식 및 칼로리 분석 애플리케이션 개발 시 고려해야 할 사항으로는 높은 인식 정확도, 사용자 친화적인 인터페이스, 데이터 보안과 프라이버시, 다양한 음식...2025.01.23
-
스마트폰으로 음식물 촬영하여 종류와 칼로리 분석하는 앱 개발2024.12.311. 일반적인 패턴인식 시스템의 구성요소와 처리 절차 일반적인 패턴인식 시스템은 데이터 수집, 전처리, 특징 추출, 모델 학습, 분류 및 예측의 단계로 구성됩니다. 데이터 수집 단계에서는 음식 이미지 데이터셋을 수집하고, 전처리 단계에서는 이미지 크기 조정, 노이즈 제거 등의 작업을 수행합니다. 특징 추출 단계에서는 CNN 등의 딥러닝 모델을 활용하여 음식 이미지의 특징을 추출하고, 모델 학습 단계에서는 추출된 특징을 바탕으로 음식 분류 모델을 학습시킵니다. 마지막으로 분류 및 예측 단계에서는 학습된 모델을 활용하여 입력 이미지의 ...2024.12.31
4 / 92
