SPS30 미세먼지 센서를 사용하여 측정한 결과를 시리얼 모니터에서 실수형 숫자로 출력해 볼 수도 있지만 한편으로는 시리얼 플로터로 출력 그래프로 작성해보도록 하자. 파일 탭의 예제에서 SPS30에 Example6_sps30_plotter 아두이노 파일이 포함되어 있음을 알 수 있다, 오픈하여 약간의 정보를 수정하도록 하자. setup()이 시작되기 전 헤더

아두이노 우노 보드에서 I2C 인터페이스에 의해 SPS 30 센서를 사용하여 미세먼지 농도를 측정하였다. I2C 방식도 여러 종류의 센서를 인터페이스 함에 편리한 인터페이스 방식이긴 하지만 센서와 아두이노를 연결하는 전기 배선이 길어지게 되면 주위로부터 노이즈가 입력되기 마련이며 이럴 때에는 오히려 UART 방식이 선호된다. UART 방식이란 아두이노에서 RX,TX

필자가 무슨 노스트라다무스도 아니고 그렇다고 국제정치 분석가도 아니지만 지난 2월 28일 미북 회담 전날 올렸던 블로그의 첫줄과 끝줄의 예언(?) 내용이 우연이지만 놀라울 정도로 너무나 잘 맞아 떨어졌다. 한국전 비사를 연재하시는 @wisdomandjustice 님께서 과분한 칭찬도 받았다. 이런 것도 예언 또는 예측이랄 수도 없겠지만 그래도 그 정확성에 필자

블록 격파나 스페이스 인베이더 같은 게임도 머신 러닝에 의한 학습이 가능한 분야로서 Reinforcement Learning 이라고 한다. 블록 격파는 핑퐁처럼 퍽(Perk)을 반사시켜 블록을 깨뜨려 나가되 좌우 어느 한쪽을 뚫게 되면 자동적으로 거의 모든 블록들이 격파되어 많은 점수를 획득하게 되어 빠르게 다음 단계로 업그레이드 할 수 있다. 블록 게임을

hidden_size, sequence_length, batch_size 로 규정되는 RNN cell의 내부를 들여다 보기로 하자. 아무리 뉴럴 네트워크의 기본을 잘 이해하고 있어도 뉴럴 네트워크를 cell의 바탕으로 삼는 RNN 의 펼친(Unfolding) 레이아웃을 분석해 봐도 수박 겉핡기라는 느낌만 드는 것은 웬일일까? 필자만 그런 것인가? 일단 표준적인

지금 세상에 왕조니까 세습이 가능하지 어쩌구... 얘기하지만 왕조국가인 일본과 영국을 보면 그런 내용이 전혀 아니다. 지금 세상에서 세습이 가능한 구조는 우리주변에서 쉽게 찾아 볼 수 있는데 재벌이라든지, 수도권 대형 기독교계가 바로 그러한 사례로서 유독 우리 남한에도 그 잔재가 많이 남아 있다. 북한에서도 그런 사고방식이 잘 먹혀들었다는 것은 새삼 놀랄 일도

스몰 딜이니 빅 딜이니 떠들더니만 완전히 헛방이었군요. 굳이 내용 알려고도 할 필요가 없겠지요. 미쿡이야 그렇다 치고 북한애들 이제 보니 배가 엄청 불렀네요. 꼭 하는 수법이 미쿡애들에게 아무 쓸모없는 것 좀 띠어 주고 100% 제제 풀어달라고 했을 성 싶은데 트럼프를 완전히 호구 정도로 본 건 아닌지 ㅉ ㅉ 이제 그게 시간 낭비라는 것을 알아야죠. 고개 넘을

어제 오늘 하노이가 시끌뻑적 지근했으나 소문난 잔치에 항상 먹을 것은 별로 없다는 정설을 뒤집지는 못할 것이다. 그렇다고 멀뚱 멀뚱 쳐다보다가 끝낼 수는 없는 일. 양측이 또 당분간 우려먹을 만한 건을 주고 받는게 회담의 예의가 아닐까요? 하지만 북한의 내주어야 할 CVID 의 극히 일부라도 그 내용이 미쿡과 NPT가 쥐구멍(북한)에 들락거릴 정도의 해프닝이

미중패권 다툼이 중국의 똥꼬에 위치한 베트남 하노이에서 시장 야바위 판을 벌려 놓고 북으로부터 온 젊은이에게 약을 팔기 시작하고 있는 듯하다. 이 젊은이가 과연 독인지 불로회춘 약인지 알 길이 없는 이 약을 살지 말지는 알 수 없으나 상당히 유혹적인 조건 제시가 이루어질 듯하다. 왜 베트남인가? 미쿡은 지금 약장수인 트럼프 영감님 훨씬 이전에 정말로 만만치

batch_size, sequence_length, hidden_size 가 파라메터로 주어진 RNN을 코딩해 보자. 이 전 코딩에서는 일일이 데이터를 수작업으로 제시하고 숫자 class를 매긴 후 on hot code 설정하는 작업도 상당히 번거로우므로 깔끔하게 코딩을 통해 해결하도록 해보자. 아무래도 처음 시작부분에서 sample 이라는 문자열 변수에 문장의

미중이 다투는 패권 와중에 미쿡은 도대체 무얼 하고 있나? 미중 무역협상이 잘 안되면 관세를 왕창 때려 중국애들 코 묻은 돈 빨아 먹을려고? 글쎄 그 정도도 판이 작은 것은 아닌 듯한데. 어쨌든 최근 F35 엄청나게 잘 팔리는데 최근 중국애들 스텔스 족집게 레이더 Y-27인가 뭐가 시리아에서 이스라엘 애들이 터트려 깨버렸죠. 즉 중국애들이나 러시아애들이 F35

미중 무역 전쟁이라든지 미북 비핵화 협상의 종착역은 어디로 향하고 있나? 어느 누구도 정확하게 결과를 딱 부러지게 한마디로 표현할 수야 없겠지만 대략적인 윤곽은 서서히 드러나고는 있어 보인다. 첫 번째가 하나의 중국 원칙의 철저한 훼손인 듯하다. 이미 최근에 미국 군함들이 중국과 대만 해협사이를 개 풀방구리 쥐새끼 드나들 듯 하고 있으며 그것도 모자라는지 영국도

RNN 코딩에서 hidden_size, sequence_length 및 batch_size 파라메터를 사용하여 복수 개의 데이터로 이루어진 알파벳 데이타를 입력해 보도록 하자. 이와 같이 간단한 문자 sequence로 부터 해 볼 수 있는 RNN은 위와 같이 많은 응용 분야를 가지고 있다. hidden_size = 5에서 뉴럴 네트워크의 출력 수 설정은 사용자가

단 하나의 데이터만 입력하여 처리해도 뭔가 출력은 얻어질 수 있으나 그 다음에 입력해서 처리해야 할 데이터와의 아무런 관계 설정이 없음을 알 수 있다. 이런 간단한 cell 구조를 바닐라(Vanila) 셀이라고 한다. 따라서 RNN 코드를 작성하기 위해서는 하나의 cell 로 표현된 뉴럴 레이어를 글자 수만큼 펼쳐서(Unfolding) 첫 번째 cell에서부터

이미 TensorFlow를 사용하여 2차 방정식을 비롯한 다항식 형태의 방정식들을 대상으로 cost 함수를 설정하여 경사하강법에 의해서 해를 구할 수 있었으며 상당히 많은 사례들이 2018년 말에 출간했던 필자의 졸저의 5장에서 찾아볼 수 있다. 머신 러닝 수치해석 편에서 다루는 수학 방정식들의 풀이 대상 문제는 불과 13종류에 불과하나 중학교 수준에서 시작하여

RNN(Recurrent Neural Network)의 가장 기초를 공부하는 단계지만 2018년 현재 시점에서 RNN 이 어떻게 급변하고 있는지 간단하게 알고 난 후 그래도 기초를 다지기로 한다. 최근 인공지능의 급격한 발전에 따라 RNN 과 LSTM(Long Short Term Memory)이 많은 관심과 더불어 응용이 이루어졌지만 이미 그 수준을 넘어가는

이미 4개의 Unit을 가지는 Hopfield 네트워크를 회로로 표현하여 보았다. 이전 상태를 기억할 수 있는 집적회로인 Flip Flop에서는 2개의 Unit들 만이 asynchronous 업데이트 작업에 사용된다. 즉 Unit i 를 중심으로 나머지 3개의 Unit들 중 하나가 asynchronous 하게 피드백 되어 업데이트를 한다는 의미이다. 이 R,

압축적으로 표현된 Hopfield 네트워크 다이아그램만 보고서는 동그라미로 표현된 Unit의 역할을 이해하기 어려우므로 보다 위 그림에서 처럼 구체적으로 회로화해서 나타내어 보자. 오른쪽 회로의 Unit을 저항, 콘덴서 및 OP 앰프를 사용하여 더욱 구체화 해보자. 홉필드 모델의 Unit은 저항과 콘덴서 및 OP앰프를 사용하여 표현이 가능하며 네트워크 입력

머신 러닝 글을 연재하면서도 가장 어려운 점은 시간이 갈수록 서서히 재미없는 영역으로 떨어져 가곤 하는 나 자신을 보게 된다. 특히 RNN 으로 넘어 오면서 접하게 된 낙지를 연상시키는 grotesque 한 느낌을 주는 Hopfield 네트워크. Hopfield 네트워크에 관해서 주변의 전문가에게 문의해도 속 시원한 설명이 전혀 없었다. 애초에 그런 것이 있었는지

위 내용은 유튜브 인강 중에서 인기가 대단한 Sung Kim 의 시리즈 강의 중 “8-1 딥러닝의 기본 개념: 시작과 XOR 문제“에서 언급하고 있는 Rosenblatt 박사의 1958년도 뉴욕 타임즈와의 신문 인터뷰 내용이다. 세계 최초로 머신 러닝 시스템인 퍼셉트론을 만들어 발표한 Rosenblatt 박사가 아무리 장밋빛 환상에 빠져 있었다고 해도 1958년