아두이노 온습도 센서 DHT11 을 사용하여 바로 자신이 위치한 곳의 데이터를 측정해보자. 또는 RC카에 온습도계를 설치하는 경우에 문제는 Adafruit 모터 쉴드 사용에 따라 디지털 핀 3∼12번 까지 모터 쉴드가 점유하기때문에 가용 디지털 핀이 2번과 13번인데 이마저 초음파 센서 설치에 사용하면 더 이상 남는 디지털 핀이 없다. 따라서 아날로그 핀으로

Processing은 아두이노와 함께 취미 코딩을 위한 그래픽 및 인터페이스 지원 기능이 뛰어난 소프트웨어이다. 아울러 HTTP 와이파이도 지원하기 때문에 사물인터넷 코딩에도 큰 도움이 된다. 올해 들어 라즈베리 파이3 B/B+ 용 버전을 선보였는데 정말 Hobbiest들 마음에 쏙들게 라즈베리 보드의 GPIO 라이브러리를 지원하네요. 아울러 PiCamera와

인공지능 기술의 중추중의 하나인 머신 러닝은 NN(Neural Network)을 이용하면 MNIST 수기 숫자를 거의 100%에 가깝게 인식할 수도 있다. 또 OpenCV 에서는 Haarcascade 라이브러리 모듈을 이용하여 사람의 얼굴을 인식할 수도 있었으며 hue 값을 사용하여 색상이 있는 공을 인식하는 것도 가능하다. 그밖에도 Deep Learning

1차 함수와 x 축과의 만나는 점을 찾아내는 문제는 2개의 1차 방정식의 교점을 구하는 문제의 특수한 경우라고 볼 수 있다. 즉 2개의 1차 방정식 중 1개가 x 축이 되는 경우이다. 즉 교점의 좌표를 (x0, y0)라고 한다면 x축과의 교점은 (x0, 0) 이 된다. 따라서 간단한 기하학적 아이디어를 사용하여 least square 기법을 적용해 보기로 한다.

머신러닝의 방법론은 즉 cost 함수를 구성하여 학습에 의해 최종 답을 구하는 과정이다. 하지만 머신 러닝에 의한 거의 대부분의 예제는 선형 회귀 또는 MNIST 문자인식 예제로 도배가 되어 있으며, 그밖에 관심을 가질만한 알기 쉬운 예제가 드물어 보인다. 과연 이 머신 러닝이 뭔가 지능이 있는 인공지능의 일부가 맞기는 한가하는 의심이 들 때가 있다. 그렇다면

바로 앞 블로그에서 빠진 부분을 보충하자. 계속해서 클릭하여 고양이가 이동해 오른쪽 벽 경계선을 침범하게 되면 다시 원래 출발 점으로 되 돌려놓도록 하자. 즉 오른쪽 벽 경계선을 침범하게 되면 조건은 Control 버튼으로부터 if then 블록 조각을 가져다 Sensing 버튼의 touching edge 블록 조각을 끼워 넣고 Motion 버튼에서 go to

라즈베리 파이 B/B+ 보드에서 기본으로 제공하는 직소 퍼즐 방식의 Scratch 2 코딩을 시작해 보자. 어린애들 까지도 배우기가 가능하다고 하는데 과연 주최 측이 과잉 홍보인지 아닌지 알아보기로 한다. #라즈베리 파이 T bar 연결 LED 배선 라즈베리 파이3 B/B+보드 측면에 제공되는 40개의 인터페이스용 핀들을 사용하여 LED ON OFF를 위한

얼마전에 독서를 위해 전자책 마션을 집어 들었을 때에 표지 그림에 웬 우주인 쌍판이 썸네일처럼 들어 있길래 도대체 이 인간이 누군가 의아했었다. 얼굴을 그냥 보여 주면 알만한 헐리우드 배우였지만 우주복으로 죄다 가려 그가 멧 데이먼 인지 미처 알아채지 못했다. 사실 일이년전에 마션이란 영화를 이미 보았던 기억이 남아 있다. 남아 있던 기억이라곤 인분으로 감사농사

XOR 로직을 처리하기 위해 구성되는 다음의 가장 기본 적인 형태의 NN 에 대해 WIde Deep Learning을 적용해 보자. XOR 로직을 제외한 AND, OR 로직이라든지 또는 선형회귀법을 비롯한 많은 문제들은 쉽게 처리가 되지만 XOR 로직에 한해서는 NN 에 의해서만 처리되기 때문에 항상 XOR 로직이 거론된다. 이 예제 문제는 현재 입력 레이어와

XOR 논리를 NN(neural Network) 방식이 아닌 다소 다른 시각으로 집합계산 원리에 따라 퍼셉트론을 사용해 계산해 보도록 하자. 물론 하나의 퍼셉트론으로 XOR 논리 처리가 되지 않기 때문에 그 대안으로 XOR 논리를 그림에서처럼 2개의 부분집합으로 구성하였다. 이 두 부분 집합의 OR 연산을 하면 XOR 논리가 됨을 알 수 있으며 각각에 대해서

아래의 과정은 윈도우즈 아나콘다가 아닌 리눅스 OS를 사용하는 라즈베리 파이 보드에서 TensorBoard 사용법임에 유의하자. 아울러 TensorBoard 데모에 사용하는 NN 코드에 관해서는 최근에 포스팅한 블로그 내용을 읽어보고 참조하도록 하자. 4-3 XOR 로직 신경망 모델링, Backpropagation 계산, Hypothesis 3D Graphic

컴퓨터 비전 기술을 현실에 적용하려면 결국 여러 개의 다양한 색상의 물체들을 식별할 수 있어야 한다. 그 중에서 가장 간단한 모델이 2가지 색상의 공을 식별하고 tracking 이 가능해야 할 것이다. 라브베리 파이 보드가 비록 아주 작은 보드지만 몇 개 정도의 색상이 서로 다른 공을 보고 tracking 할 수 있을 정도로 컴퓨팅 파워가 지원된다. 2가지

어제 RC카 만든 후 오늘 실외에서 주행 테스트 해 봤더니 아무래도 LED 밝기가 상당히 미약하네요.

머신 러닝은 시작은 1957년 Rosenblatt에 의해 오래 전에 시작되었지만 오래동안 내팽개쳐져 왔으며 아직도 내퍙개쳐진 상태로 있는 분야로서 2000년이 지나서야 비로서 점차 관심이 집중되고 있는 분야이다. 머신러닝을 배우는 가장 초기에 접하게 되는 주제가 바로 선형회귀(Linear Regression) 문제가 아닐까 한다. 머신 러닝은 워낙 더디게 발전했지만

아두이노 RC카 이젠 질려버릴 만 하다고 생각할지도 모르겠지만 아두이노 배선과 코딩을 취미로 삼는다는 것은 웬만큼 중독성이 강하다는 골프나 도박 보다 결코 약하지 않다고 느낀다. 이미 아두이노 RC카 와 밸런싱 로봇 둘 다 리바이벌하여 업그레이드를 해보았다. 이번에 다시 해보려는 아두이노 RC카는 벌써 3회째에 접어든다. 만들어 둔 RC카가 디자인도 그렇고

청색공이 지나가는 궤적을 적나라하게 보여주는 동영상을 잘 관찰하셨나요? 사실 이 동영상의 테크닉은 아래 주소의 PyImageSearch 사이트에 가면 원조 짤을 볼 수 있다. Ball Tracking with OpenCV 하지만 이번 Color Ball Tracking 코드 작성에서 그의 권고대로도 여러번 시도해 보았으나 연속되는 에러 메시지를 받으면서 헤어날

이미 1953년에 화성인 침공이라는 영화가 제작 상영되었다는 점을 보면 미국인은 아마도 우주에 대한 관심이 대단히 높은 나라임에 틀림없다. 전화에 휩쓸렸던 세계2차 대전을 전쟁 중에 개발한 원자탄을 사용하여 종식시키고도 곧 1952년 한국에서 6.25 전쟁을 겪게 되는 미국인으로서는 화성인 침공 스토리에 따른 전쟁 영화가 대중의 관심을 끌 수 있는 영화 주제로서

다음 동영상은 역광이 대단히 심한 대낮 시간에 사무실 창가에서 라즈베리 Pi 카메라로 촬영한 영상을 OpenCV 파이선 컴퓨터 비전 코드로 캡츄어 한 짤이다. 청색 공의 움직임에 따른 원주의 움직임과 편심된 중심의 위치 및 및 출력되는 중심좌표 값을 잘 관찰하여 보자. OpenCV에 의한 Computer Vision은 Haarcascade 라이브러리를 사용하여

자율주행이란? 제대로 주행해서 목적지까지 가는 것이 목적인 듯한데 작년에 방영된 태양의 후예란 드라마 보니 현대 제네시스 차선 주행 보조장치를 쓰면서 핸들이 자율적으로 움직이는 화면이 나오는 군요. 또 다른 목적이 있을 수 있었군요! 일단 실제 차량을 대신할 수 있는 RC카 즉 Balancing 로봇인데 얘는 스미트폰 블루투스로 조정하면 잘 돌아다니지만 내버려

1959년 하바드 의과대학의 후벨과 위젤 ( Hubel & Wiesel)교수는 원숭이 대뇌 실험을 통해 시각피질에서 웜숭이가 시각적으로 보게 되는 오브젝트들의 특징을 탐지한다는 사실을 발견하여 훗날에 신경 병리학(Physiology)분야의 업적으로 노벨 의학상을 수상하게 된다. 다음 사진에서 당신의 뇌속의 CNN을 사용하여 숨은 고양이를 찾아 보기 바란다.