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
- CGAN
- simclrv2
- Meta Pseudo Labels
- cifar100-c
- UnderstandingDeepLearning
- CycleGAN
- 컴퓨터구조
- shrinkmatch
- dann paper
- CoMatch
- ConMatch
- Pix2Pix
- Pseudo Label
- BYOL
- semi supervised learnin 가정
- dcgan
- SSL
- WGAN
- 최린컴퓨터구조
- mocov3
- Entropy Minimization
- GAN
- 딥러닝손실함수
- remixmatch paper
- tent paper
- shrinkmatch paper
- conjugate pseudo label paper
- adamatch paper
- 백준 알고리즘
- mme paper
Archives
- Today
- Total
목록고유값 (1)
Hello Computer Vision
고유값, 고유벡터(eigen value, eigen vector)에 대한 이해
참고 내용 : 공돌이님 블로그 다크프로그래머님 블로그 고유값, 고유벡터란 무엇인가? $\vec{a}$ 하나가 있으며 이 벡터에다 행렬 A를 곱해보자. \begin{bmatrix}b & c\\ d & e \end{bmatrix} 이러한 행렬A가 있다고 했을 때 벡터와 행렬간의 곱셈을 하면 또 다른 벡터 $\vec{a_{1}}$ 이 만들어지게 된다. 그렇다면 행렬 곱을 통해 방향과 크기가 바뀐 벡터가 기존 벡터와 평행일 수 있을까? 이를 수식으로 나타내보자면 $Av = \lambda v$ 이런 수식을 만족시키는 것이다. (벡터가 서로 평행하다는 것은 한 벡터의 상수배를 한 것과 같은 것이다 벡터의 평행 정리) 여기서 만족시키는 벡터 v를 고유벡터라고 하며 $\lambda$ 을 고유값이라고 한다. (A : n..
선형대수
2023. 1. 5. 11:17