![]()
가. 연산 코드 (Operation Code) 연산 코드(Operation Code)는 CPU가 수행하는 연산의 종류를 나타내는 부분입니다. 주로 다음과 같은 네 가지 기능으로 나뉩니다: 연산 기능: 연산 코드는 사칙연산(덧셈, 뺄셈, 곱셈, 나눗셈), 이동(shift), 보수(complement) 등의 산술연산과 논리곱, 논리합, 부정 등의 논리 연산을 수행합니다. 이러한 연산은 CPU의 ALU(산술 논리 연산 장치)에서 처리됩니다. 제어 기능: 연산 코드는 조건 분기(conditional branch)와 무조건 분기(unconditional branch) 등을 사용하여 명령어의 실행 순서를 제어합니다. 이는 프로그램 흐름을 조절하는 데 중요한 역할을 합니다. 데이터 전달 기능: 연산 코드는 레지스터와..
![]()
가. CPU 동작 순서 주어진 설명은 컴퓨터의 기본적인 동작 순서를 나타내고 있습니다. 아래는 각 단계에 대한 설명입니다. 1. 보조기억장치 또는 입력장치에서 데이터를 주기억장치로 읽기: 보조기억장치(예: 하드 디스크)에서 데이터를 읽거나, 입력장치(예: 키보드)로부터 데이터를 입력받아 주기억장치(예: RAM)로 전송합니다. 2. 중앙처리장치(CPU)에서 데이터 읽기 및 처리: CPU는 주기억장치에 저장된 데이터를 읽어와서 처리합니다. 이 처리는 CPU의 연산(산술, 논리 등)이 포함될 수 있습니다. 3. 처리된 데이터를 주기억장치에 다시 저장: CPU가 처리한 데이터를 다시 주기억장치에 저장합니다. 이는 계산 결과를 저장하거나, 다음 단계에서 필요한 데이터를 준비하는 등의 목적으로 수행됩니다. 4. 주..
![]()
가. CPU(중앙처리장치) 기능 중앙처리장치(CPU)는 컴퓨터 시스템에서 가장 중요한 구성 요소 중 하나입니다. 주된 기능은 다음과 같습니다: 1.명령어 해석(Instruction Decoding): CPU는 메모리로부터 명령어를 가져와 이를 해석하여 실행할 수 있는 형태로 변환합니다. 이는 명령어의 종류, 피연산자의 위치 등을 결정하는 과정을 포함합니다. 2.연산(Computation): CPU는 명령어에서 주어진 작업(연산)을 수행합니다. 이러한 연산은 사칙연산, 논리연산, 비교연산 등이 포함될 수 있습니다. 3.제어(Control): CPU는 명령어의 실행 흐름을 제어하고 조정합니다. 이는 프로그램 카운터(PC)를 이용하여 다음에 실행할 명령어의 주소를 결정하거나, 조건부 분기(Conditional..
![]()
1. GAN의 후속 연구들 ○ goodfellow에 의해 GAN이라는 architecture가 제시된 이후, GAN은 여러가지 분야로 응용되기도 했고 앞서 말한 문제점들을 해결하기 위한 여러가지 시도가 있었다. 아래 이미지를 통해 GAN의 후속연구들을 볼 수 있다. 2. Conditional GAN ○ 2014년 Mehdi Mirza, Simon Osindero 에 의해 제안된 GAN의 변종 알고리즘이다. ○ 때때로 이미지를 처음부터 생성하기보다 이미 있는 이미지를 다른 영역의 이미지로 변형하고 싶은 경우가 많다. 예를 들어, 스케치에 채색하거나, 흑백 사진을 컬러로 만들거나, 낮 사진을 밤 사진으로 바꾸고 싶을 때 등이다.‘cGAN(Conditional GAN)’은 이를 가능케 해주는 모델이다. ○ 기..
![]()
○ Training instability - GAN은 많은 기대를 받고 있는 모델이지만 아직 여러 가지 한계점도 존재한다. 앞서 소개한 많은 모델이 GAN의 학습을 안정화시키기 위해 노력했지만, 아직도 GAN을 실제로 적용하려 할 때 가장 큰 걸림돌은 학습이 어렵다는 점이다. GAN 학습이 잘 되기 위해서는 서로 비슷한 수준의 생성자와 구분자가 함께 조금씩 발전해야 한다. 그런데 한쪽이 너무 급격하게 강력해지면 이 관계가 깨져버려서 GAN의 학습이 이루어지지 않는다. 경찰이 너무 강력하면 위조지폐범의 씨가 말라버리는 것이다. - GAN은 generator와 discriminator가 서로가 서로를 속이는 과정에서 generator가 data distribution에 근사하는것을 목적으로 한다. 하지만, ..
![]()
○ GAN은 V(D,G) MINMAX로 문제를 푸는 것이고, 이것을 Generator의 Model Concept의 다른 관점에서 해석해보면 Pdata(x)와 Pg(x)의 거리가 최소가 되면 동일한 것이다. 다시 말해, 게임이론(game-theoretic) 접근 방식을 통해 문제를 푸는 것과 수학적으로 확률 이론 및 통계 이론에서 사용되는 Jensen-Shannon divergence을 통해 두 distribution이 같다고 푸는 것과 같다고 증명할 수 있게 된다. 1. Discriminator 최적해 증명 ○ x는 진짜 픽셀의 high dimensional vector 이고 z는 차원이 축소된 low dimensional vector라고 했을 때, Discriminator를 최적화하기 때문에 G는 고정..
![]()
GAN(Generative Adversarial Networks)은 훈련 데이터의 명시적인 확률 밀도 함수를 사용하지 않는다. 대신에 GAN은 생성자(generator)와 식별자(discriminator)로 알려진 두 개의 신경망(neural networks)을 사용하는 게임이론(game-theoretic) 접근 방식을 취합한다. 생성자는 무작위한 잡음을 입력으로 받아 실제 데이터와 유사한 가짜 샘플을 생성하려고 하며 식별자는 실제와 생성된 샘플을 구분하려고 한다. 생성자와 식별자는 이 게임을 반복적으로 진행하며, 생성자는 식별자를 속이기 위해 샘플을 개선하고, 식별자는 실제와 생성된 샘플을 정확히 구분하는 방법을 학습한..
![]()
안녕하세요. 우리의 인공지능 항해사 유로젠입니다. 이번에는 Generative Adversarial Network (GAN) 모델의 개념에 대해 이야기하려고 합니다. GAN(Generative Adversarial Networks, 생성적 적대 신경망)이란 비지도학습에 사용되는 머신러닝 프레임워크의 한 종류이다. GAN은 Generative Adversarial Networks 의 줄임말로, Generative Model의 한 종류입니다. 우리말로는 적대적 생성 신경망이라고 합니다. GAN은 실제에 가까운 이미지나 사람이 쓴 것과 같은 글 등 여러 가짜 데이터들을 생성하는 모델입니다. 1. GAN 배경 및 개요 ○ GAN (Generative Adversarial Network: 생산적 적대 신경망)은 ..
![]()
안녕하세요. 이번 포스트는 아침에 일어나서 몸무게가 갑자기 늘어나는 현상에 대해 이야기해보려고 합니다. 여러분 혹시, 아침에 일어나서 몸무게를 쟀을 때 갑자기 2-3키로 정도가 갑자기 늘어나서 당황한 경험이 있으신가요? 가끔 이런 상황에 처하면 우리는 당황하고 불안해지곤 합니다. 하지만 걱정하지 않으셔도 됩니다. 우리 몸에 갑자기 늘어난 몸무게는 체지방이 아닙니다. 갑자기 찐 살의 원인은 지방이 아닌 다당류 글리코겐에 있습니다. 글리코겐은 주로 간과 근육에 쌓이는데 지방보다 쉽게 뺄 수 있습니다. 같은 1kg이라도 지방의 7분의 1정도의 소비로 감량할 수 있기 때문입니다. 단 글리코겐은 몸에 쌓인 지 2주가 지나면 체지방으로 변하기 때문에 그 전에 감량해야 합니다. 저녁에 평소처럼 음식을 섭취했음에도 불..
![]()
안녕하세요, 여러분! 우리의 인공지능 항해사 유로젠입니다. 오늘은 현대 정보 검색 분야에서 주목받고 있는 혁신적인 기술 중 하나, 라마인덱스에 대해 알아보려고 합니다. 라마인덱스는 기존의 검색 방식을 뛰어넘어 새로운 차원에서 정보를 찾을 수 있도록 도와주는 흥미로운 기술입니다. 개요: 우리는 날이 갈수록 방대한 양의 정보와 데이터에 직면하고 있습니다. 이에 따라 효율적이고 정확한 정보 검색은 더욱 중요해지고 있습니다. 라마인덱스는 이러한 요구를 충족시키기 위해 개발된 혁신적인 검색 기술로, 다양한 분야에서 활용 가능한 다차원 검색을 제공합니다. 라마인덱스란 무엇인가? 라마인덱스는 기본적으로 라마(람)라는 단어에서 유래된 것으로, 라마의 다리가 어떻게 굽히고 움직이느냐에 따라 다양한 방향으로 나아갈 수 있..
![]()
안녕하세요. 우리의 인공지능 항해사 유로젠입니다. 이번에는 현대 디지털 시대를 주도하는 혁신 중 하나로 꼽히는 GPT에 대해 이야기하려고 합니다. GPT, 즉 Generative Pre-trained Transformer은 인공 지능 언어 모델의 최신 성과로, 우리의 일상 속에서 더 아주 깊이 많은 영향을 미치고 있습니다. GPT란 무엇인가요? GPT는 OpenAI에서 개발한 언어 모델로, GPT-3까지 진화한 최신 버전은 1750억 개의 매개 변수를 가지고 있습니다. 이 모델은 사람처럼 언어를 이해하고 생성할 수 있는 능력을 지닌다는 특징으로 유명합니다. 이는 텍스트 생성, 번역, 대화, 요약, 질문 응답 등 다양한 언어 작업에서 놀라운 성과를 보여줍니다. * 이미지를 생성하는 기술 중에 가장 주목받는..
