Mass-Spring-Damper System

1
2
3
4
5
6
7
8
9
10
11

h=tf([1 4],[1 4 40])
pole(h)
zero(h)
figure
step(h)

h1=tf([10 40],[1 4 40])
pole(h1)
zero(h1)
figure
step(h1)

Bar Plots

1
2
3

x = -2.9:0.2:2.9;
y = exp(-x.*x);
bar(x,y)

Stairstep Plots

1
2
3

x = 0:0.25:10;
y = sin(x);
stairs(x, y)

Operator

clc - Interpreter initialization, help <함수> - 설명

MNIST 데이터셋

• 훈련용 6만개와 테스트용 1만개로 이루어진 손글씨 숫자의 흑백이미지 데이터 - 여기서 다운
• 이미지를 다루는 경우 데이터 전처리나 포맷팅이 시간이 많이 걸리므로 이 데이터셋을 이용함
• 가로세로 비율은 그대로 유지하고 20x20 픽셀로 정규화(normalization)되어 있음
• 정규화 알고리즘(가장 낮은 것에 맞춰 전체 이미지 해상도를 감소시킴)에 사용된 anti-aliasing 처리 때문에 이미지에 회색 픽셀이 들어 있음
• 이미지의 중심을 계산하여 28x28 픽셀 크기의 프레임 중앙에 위치

Clustering

• 선형 회귀분석은 모델을 만들기 위해 입력 데이터와 출력 값(label)을 사용해 감독(Supervised) 학습 알고리즘
• 모든 데이터에 레이블이 있지 않음
• 비감독(Unsupervised) 학습 알고리즘
• 데이터 분석의 사전 작업으로 사용되기 좋음

K-means Clustering

• 데이터를 다른 묶음과 구분되도록 유사한 것끼리 자동으로 Grouping
• 알고리즘에 예측해야 할 타겟 변수나 결과 변수가 없음
• 텐서(Tensor) 이용