빛의 밝기에 반응하는 photocell로 입력 장치로 구성되는 Rosenblatt의 퍼셉트론의 중요한 용도는 400개의 센서를 통해 입력되는 데이터 처리에 의해 문자를 인식하는 것이다. 그가 사용했던 photocell 은 오늘날의 조도센서로 알려져 있는데 2개를 사용하여 random 한 입력 벡터를 실제로 생성할 수 있다. 그방법은 건물의 앞뒤에 각각 조도센서를

알고리듬으로 설명되고 있는 Rosenblatt의 퍼셉트론 코드가 오래되어서인지 특히 오늘날의 경사하강법을 대신하는 그의 웨이트업데이트 알고리듬이 제대로 돌아가는 것인지 의문스럽게 느껴졌던 것이 사실이다. 퍼셉트론에 대한 유튜브 동영상 및 인터넷 검색 결과 Rosenblatt의 알고리듬에 직접 쓰여 있는 것은 아니지만 error 개념을 도입하여 이 부분을 처리하고

앱인벤터로 고양이 소리를 내는 앱을 코딩해 보자. 글쎄 요즈음 쥐새끼들도 별로 없어 쓸모가 없는데 그래도 아파트 앞에 돌아다니는 고양이들이 있으면 한 번 소리를 내서 놀래켜 보는 것도 재미 있을 듯 하다. 앱을 터치하면 고양이 얼굴이 떠야 하므로 이미지가 하난 필요하다. 야후에서 app inventor Kitty 로 이미지를 검색하면 Tutorial용 이미지가

하나의 예제를 통해 앱인벤터 편집에 능숙해 질 수 있는 추천할만한 과제로서 보행수와 거리를 계산하는 만보계 또는 보행계(Pedometer)를 앱인벤터 Sensors의 하나인 Pedometer를 사용하여 코딩하자. 스마트폰 화면 구성을 다음과 같이 4줄로 간단히 디자인하자. 첫줄에 보폭설정 (Set stride length): 0.4 (m) 둘째줄에 보행계 출발(Start)

주말 일요일 제작해둔 Brokking의 밸런싱 로봇! 아직 블루투스 부분 코딩을 앱인벤터로 해야 하는 막중한 임무가 남아 있는 상태이기는 하지만 경험이 제법 많은 편이라 아예 걱정 같은 것은 안하기로 작심을 했다. Brokking 이란 단어를 여러 번 쓰다 보니 어디선가 많이 들어 본 이름 같았는데 신문을 장식했던 드루킹이었던 것 같다. 한편 Brokking의

TalkToMe 앱을 설치하기 위해서 앱 인벤터 탭 메뉴의 BUILD의 첫 번째 명령을 실행하자. (1년 사이에 Google Play에도 올릴 수 있도록 업데이트가 되었군요.) 아래의 progress bar 와 QR 코드를 볼 수 있다. progress 100% 가 완료되면 QR코드가 나타난다. 자신의 스마트폰에서 MIT AI2 Companion 앱을 터치

인터넷 소사어티에서 브로킹(brokking)은 아두이노 YMFC-3D 및 YMFC-AL 드론의 뛰어난 오픈 소스 퀄리티로 명성을 누리고 있다. 아울러 또 하나의 작품으로 오픈 소스 밸런싱 로봇이 있는데 이번에 직접 제작하여 재현해 보았다. 밸런싱 로봇의 원리는 차체 머리 위에 이고 있는 리튬배터리의 무게로 인한 불안정성에도 불구하고 MPU6050보드에 포함된

Talk TO ME! 과정이 길어서 빠뜨린 퍼즐 편집 내용 보충하기 바람. 블로그 내용 올리고 나서 보니 제일 중요한 액션이 빠졌네요! 블록 편집 상태에서 Button1을 클릭하면 팝압 창이 뜬다. when Button1.click 퍼즐을 오른쪽 편집 창에 드래그 해 둔다. TextToSpeech를 클릭하면 팝압 창이 뜬다. 보라색 call

이번에는 거의 안드로이드 OS에 접근하여 스마트 폰 앱을 만들 수 있는 앱 인벤터를 사용하여 코딩을 하고 블루투스나 와이파이를 이용하여 아두이노 코딩과 접목하도록 한다. 앱 인벤터는 퍼즐형 그래픽 코딩 언어로서 언뜻 대단히 쉬워 보이지만 꼭 그런 것만은 아니다. 하지만 코딩 언어의 구조가 일반 아두이노 C/C++ 의 단순 명령보다는 훨씬 세련된 퍼즐 루틴들로

아두이노 코딩을 하다보면 무선 사물인터넷 제어를 위해 결국 와이파이나 블루투스 코딩에 부딪힐 수밖에 없다. LOLIN 보드의 블루투스 사용을 위해서 누군가 만들어 둔 앱을 사용할 수밖에 없었는데 뭔가 불편함을 느낄 수밖에 없다. 이러한 문제 해결을 위해서는 특히 스마트 폰에서 앱을 만들어 응용할 수 있도록 앱인벤터를 배워두는 것이 대단히 편리할 수 있다. 아두이노

LOLIN 보드에 설치된 온습도 측정이 가능한 센서 DHT11의 측정 결과를 핸드폰에 송신하여 Kai Morich의 Serial Bluetooth Terminal을 사용해 터미날 화면에 출력하였다. 이번에는 반대로 터미널 문자 박스에 “ON” 또는 “OFF” 문자를 입력 후 블루투스로 LOLIN 보드에 송신하여 LOLIN 보드에 설치된 LED를 ON OFF

퍼셉트론 코딩에 대한 글을 연재하면서 여러 번 적절한 예제가 있느냐 없느냐는 점을 찾아 보았다. 비록 간단 하지만 조도센서 1개 짜리 N=1, 조도센서 2개 짜리 N=2 에 대한 실현 가능한 예제를 제시했으며 결론적으로 Rosenblatt의 목적이 지금의 MNIST 문자 인식과 대동소이하다는 점을 지적하곤 했다. 아울러 Anderson 교수와 함께 Iris

일전에 LOLIN 보드에 온습도 측정이 가능한 센서 DHT11을 설치하여 시리얼 모니터에서 결과를 관찰하였다. 더 나아가 LOLIN 보드의 와이파이 기능을 사용하여 PC의 공유기를 타고 사물인터넷 서버에 연결하여 LOLIN 보드에서 측정한 온습도 데이터를 ThingSpeak 채널에서 그래프로 관찰 할 수 있었다. 자신이 설치해둔 WeMos LOLIN 보드가

WeMos LOLIN 보드에서 와이파이 기본적인 사용법은 이미 선을 보였다. WeMos LOLIN 보드의 특징이랄까? 보드 하나에 와이파이 블루투스 둘 다 들어 있다고 하는데 와이파이이 기번 적인 사용법은 이미 선은 보였다. 이번에는 블루투스 사용법을 알아볼 차례이긴 어떻게 시작해야 할지 막막한 면이 없지 않다. 그렇다고 블루투스 분야에 초보자??? 그건 아니올시다라고

퍼셉트론의 성능 한계 노출 Rosenblatt의 신경망 연구 개발이 한창일 때에 인공 지능 연구도 1956년 다트머스 대학 (Dartmouth College)의 워크샵에서 시작되었다. 참석자로는 카네기 멜론 대학과 MIT 교수들 외에 IBM의 Arthur Samuel이 포함되어 있었으며 그 중에 뉴욕 브롱스 출신의 젊은 마빈 민스키도 포함되어 있었는데 Rosenblatt

Rosenblatt 의 퍼셉트론에 있어서 웨이트 벡터 업데이트를 중심으로 하는 알고리듬이 문제가 없다는 점은 확인이 되었으나 지금의 머신러닝 이해와는 많이 동 떨어진 면이 있다. 머신 러닝 결과 차원에서는 Rosenblatt이나 TensorFlow와 마찬가지로 학습한대로 제대로 라벨 값이 얻어지느냐의 문제이다. Rosenblatt 퍼셉트론의 N = 2 문제도

훈민정음의 4개의 자음을 학습(train)시켜 보자. 4개의 자음에 대한 이미지 구성은 3X3 매트릭스로 가능하다. 더욱 많은 자음과 모음을 분류(calssification)하려면 적어도 5X5 또는 그 이상으로 해상도를 높여야 할 것이다. 라벨에 해당하는 One Hot Code 는 그림을 보면 쉽게 이해가 될 것이다. 라벨 0에 해당하는 첫 번째 “ㄱ”에

Rosenblatt 의 퍼셉트론 장치를 반드시 알고리듬이나 수학을 쓰지 않으면서도 좀 더 쉽게 이해할 수 있는 수단을 강구해 보자. 그것은 바로 우리가 잘 알고 있는 아두이노 조도센서 장치이다. 이 조도 센서 배선 및 코딩은 초중고 아두이노 컴퓨터 코딩 과정에서 누구나 다루어 보는 잘 알려진 과제라고 보면 된다. 조도 센서는 빛의 밝기에 의해 저항 값이 조절

1-25에 첨부된 코드를 가져다 실행 시켜보니 많은 에러가 발생하였는데 그 원인은 스팀잇의 마크다운 편집과정에서 아나콘다 편집기에서 작성된 indentation( Tab에 의해 오른 쪽으로 움푹 들어가기)효과가 유지 되질 않는군요. 파이선 코드가 indentation에 민감하거든요. 1-25 코드 사용하시는 분들은 아래에 첨부된 indentation 정보대로

Rosenblatt의 퍼셉트론이 작동하면 이미지 센서에서 측정된 전압에 따라 흑백 명암 값이 0∼256 범위로 얻어질 수 있으며 256으로 나누어 주면 0∼1.0 사이의 값이 얻어질 수 있다. 만약 컴퓨터에서 알고리듬만 가지고 작업할 경우 Random 한 입력 데이터 400개를 생성하기는 그다지 어렵지 않다. 예를 들어 Processing에서 x = random(1)