사실 어제 초보자들과 함께 RC 프로가 지상 30cm 정도 상승시켜 저공 비행 시키면서 연습하는 요령 시범을 보였는데 핸드폰 준비가 안되어 아쉽게도 영상을 남기지 못했다. 그래서 오늘 미세먼지도 많아 우충충한 날 동호회 중급자분께 항상 후줄그레한 250mm DIY 드론으로 초보자가 연습할 만한 패턴으로 시험 비행을 부탁드렸다. 일단 노력을 보여주시긴 했느데

처리해야 할 데이터 종류에 따라서 classification 작업의 복잡성이 증가하게 되어 설정하는 조건에 따라서 민감한 결과들이 얻어지기도 한다. 다음 그림에서 3가지 결과를 검토해보자. 첫 번째는 직선적 hyperplane으로 분리한 결과 현재의 2차원 문제에서 절편 값이 상당히 커 보일 정도로 직선화되어 있는데 다시 말하면 바이아스 값 b 또는 w0 의

Iris flowers data를 이용하여 퍼셉트론 classification을 위한 학습을 실시하면 위와 같이 직선형의 decision boundary 가 결정되며 W∙X = 0 으로 표현할 수 있다. 아울러 청색 영역은 “+1” 라벨 값으로 학습된 영역이므로 decision boundary 에 평행한 직선을 긋게 되면 W∙X = +1 이 되며 붉은 색 영역에서는

동호회에서 이 450mm 드론을 시제작하기 시작한건 2018년 11월 경 부터이다. Brokking 의 홈페이지에서 STM32 모델을 참조하여 PCB로 제작하였다. 납땜과 점퍼선을 이용하여 제작이 가능하긴 하지만 아무래도 배선이 지저분해지는 것은 어쩔 수 없다. 제작후 PCB 제작부터 여러 번 고비를 많이 넘겨 오늘 날 생존하는 모델이 되었다. 하지만 불과

Iris flowers data set을 사용하여 Sigmoid 함수에 의한 Binary classification 문제를 코딩해 보고 퍼셉트론과 결과를 비교해 보자. 150개의 샘플들로 구성되는 Iris flowers data set은 3종류 즉 setosa, versicolor 및 verginica 로 구성되며 이들을 불러내어 각각 “0”, “1”, “2”

머신러닝 라이브러리에 텐서플로우만 있느 것이 아니다. 또 하나의 강력한 툴로 알려진 scikit-learn 라이브러리를 사용하여 머신러닝을 해보자. sklearn에서 Iris flower data set을 읽어 들이자. 이 부분은 텐서플로우 홈페이지에 예제 문제로서 다루고 있는 잘 알려진 예제이기도 하다. 아울러 메트릭스를 편리하게 다룰 수 있도록 numpy

여러 가지 종류의 드론이 있겠지만 항상 드론에 도전하는 초보자에게 따로 추천할 모델이 없으나 오랫동안 주무르고 맛사지 해 왔던 어떻게 보면 후줄그레하게 느껴질 지도 모르겠으나 문제가 발생 시에 트러블 슈팅이 가능한 드론 모델을 해 보는 수밖에 없다. 아니나 다를까 1번 모터의 회전력이 눈에 뛸 정도로 약해 이륙 성능이 조금 불안했다. 하지만 모터 재고가 없어

오늘 동호회에서 좀 사이즈가 큰 농약 드론을 띄우는데 뭔가 일진이 좋지 않다. 지난번부터 뜰 때에 GPS 위치 홀딩이 안된다는 얘기를 했는데 오늘 보니 정말 그런 것 같다. 영상에서 보듯이 추락할까봐 상당히 낮은 고도에서 GPS 홀딩 명령을 주었는데 기능이 제대로 먹히지 않았다. 옆으로 비실 비실 날라가 떨어져서 멈추려고 했으나 왈칵 졸도하면서 자빠져 버렸다.

새해다. 동호회에서 신모델 새로 만든다는 소문만 내고 안보여 주다가 오늘 공개를 한다길래 시험 비행 찍어 보았다. 미세 먼지도 없어 아주 쾌청한 날이다. 1월1일 저녁 EBS 방송에서 날다람쥐 비행 모습을 상세하게 보여주었다. 그런데 오늘 공개한 이 새 모델이 크기와 모양이 날다람쥐새끼와 거의 짝퉁 수준으로 닮았다. 꼬리 달린 것 빼고. 날다람쥐는 높은 곳에서

이 문제를 다루기 위해서 필요한 Numpy 명령 몇가지 실습을 우선 해보도록 한다. 이 연습은 아나콘다 스파이더 편집기의 셸(Shell)에서 실행하도록 한다. 3개의 랜덤한 원소를 가지는 리스트를 2개를 생성하여 어레이화 하고 각 리스트의 첫 번째와 두 번째 값들이 0.0 보다 큰지 체크하여 XOR 데이터를 만들자. 둘 다 0.0보다 크든지 아니면 둘다 0.0

새해 아침에 배달된 신문을 보면서 하나의 바램이 있음을 알게 되었다. 수십년간 살아오면서 목도했던 비정하면서도 냉혹한 세계사의 비극 중에 하나가 예전에 이란에서 있었던 호메이니와 이슬람 근본주의의 태동이었다고 생각한다. 그로부터 수십년간 아프가니스탄의 탈레반을 거쳐 오사마빈 라덴의 9.11테러, 최근에는 많이 소멸된 IS 테러의 준동을 비롯 얼마나 많은 전쟁과

연말을 보낸 새해 아침에 블로그 글 전개가 이상하다 싶어 챙겨보니 아뿔사 2개의 글 즉 1-5와 1-6이 이 빠진체로 글이 끓어진 상태에서 이어지고 있음을 알았다. 아무래도 연말에 정상적인 집중력이 흩어졌던 모양이다. 이런 정신 나간 짓을 하면 안되겠다는 다짐과 함께 다시 우리 스팀잇 회원들과 소통을 해야겠다.... 이번 글에 애매하게 설명한 부분이 있어 다시

Iris flowers data처럼 라벨 값이 적어도 3종류 이상인 경우에 대해서 scikit-learn 라이브러리 모듈에서 지원하는 class LogisticRegression사용법을 알아보자. 텐서 플로우 홈페이지에 구글이 Getting started with 에 올려둔 예제 중 MNIST 예제와 Iris flowers data set을 사용하는 scikit-learn

Logistic regression 하면 항상 “0”과 “1”의 2가지 라벨 처리 문제를 다루지만 보다 일반화하여 3가지 이상의 데이터를 처리하는 logistic regression 기법이 있으며 이름하여 Multiclass logistic regression 이라한다. 보통 3가지 이상의 데이터들을 분류하려면 Softmax 기법을 생각하지만 Multiclass

우리는 주위 가족들이나 친인척 이웃 친구들과 많은 선물을 나누곤 한다. 누구엔가 선물을 하고자 할 적에는 항상 고민이 뒤따를 수밖에! 상대방이 어떤 선물을 좋아할까? 애들 상대라면 특히 포장도 중요할 수밖에! 칭칭 둘러 싼 포장 속에 과연 어떤 선물이 들어 있을까? 포장을 뜯어가는 과정에서 과연 알맹이는 무엇일지 그때 느끼게 되는 야릇한 희열이랄까? 이런 것이

아두이노 Auto Leveling 드론 리모델링을 위한 부품을 추려보기로 하자. 다음 배선도는 Brokking 의 홈페이지에서 다운 받은 Wiring scemeatic 이다. 이 배선도를 보고 정리한 다음의 부품 리스트를 참고하자. 아울러 DIY 드론 리모델링을 위한 공구와 추가 재료를 살펴보자. Brokking의 홈페이지를 참조해 보면 450mm 기체를 사용하는

오늘은 ETRI 에서 활약하시던 전문가께서 방문하여 험께 점심 식사 후 연구실에서 드론 교육에 대해 폭 넓게 얘기를 해보는 기회를 가졌다, 사실 오늘 방문하셨던 VIP 께서는 과거 우리나라의 이동통신 시대를 열었던 CDMA 시절부터 많은 중요한 활약을 하셨던 전문가분들 중의 한분으로서 전문성에 관해서라면 나로서는 아무런 할 말이 없을지도 모르겠다. 초보자를

정규분포 통계에서 표준화하면 다들 들어본 기억이 있으실 것이다. 위 그림을 참고하면 좌표상의 1사분면에 위치한 데이터가 표준화에 의해 원점을 중심으로 하여 1,2,3,4 분면에 위치하게 되며 아울러 decision boundary 의 기울기도 변화되었음을 알 수 있다. Iris flowers data set을 읽어 들인 입력 벡터 X를 카피한 X_std에 대해서

cost 함수와 Gradient Decent 알고리듬 도입 퍼셉트론에서 Hypothesis를 계산하여 단순히 그 값이 “+”인지 “-”인지만 따져 보았지만 한편 주어진 100개의 Iris flower 입력 벡터 샘플에 대해서 학습 epoch 별로 임의의 웨이트 값에 대한 Hypothesis 계산 값과 학습을 위해 주어진 라벨 값과의 차이의 제곱을 계산하여 (Least

동호회에서 330 mm 사이즈 드론 시제작하여 오늘 비행시험한 영상임. 앞부분은 짤렸는데 GPS 홀딩 시험하기 위해 너무 높이 띄워 카메라로 잡기가 좀 곤란했지만 나머지 영상 부분은 RC 프로의 노련한 조종으로 지표 근처에서 비행하여 잘 볼 수 있음.