전체 글
-
트리거(trigger)SQL/PL. SQL 2020. 4. 25. 13:41
트리거란? 테이블에 어떤 이벤트가 발생했을 때, 자동으로 사용자가 정의한 PL/SQL 명령을 실행 할 수 있는 구문 트리거 Syntax CREATE OR REPLACE TRIGGER 트리거명 [BEFORE | AFTER] EVENT(INSERT, DELETE, UPDATE 등) ON 테이블명 FOR EACH ROW // 행 트리거 DECLARE AFTER_CODE VARCHAR2(5); // 선언부(사용할 변수 선언) BEGIN IF INSERTING THEN SELECT 변환 후 코드 값 INTO AFTER_CODE FROM 코드 매핑 테이블 WHERE 변환전 코드 값 := NEW.코드 컬럼 INSERT INTO 로그 테이블명( 컬럼명1, 컬럼명2, ..., 컬럼명N) VALUES ( VALUES1, ..
-
JSON고급 JAVA 2020. 4. 24. 14:09
JSON (Java Script Ojbect notation) 예제 1. write 2. read JsonObject 형태로 바꿔줌
-
jQuery(선택자, 필터)jQuery 2020. 4. 24. 13:59
선택자 : 필터 선택자로 기준 element를 먼저 찾고 필터는 엘리먼트 주변의 다른 엘리먼트나 선택된 집합중의 일부를 더 정밀하게 선택하는 역할을 한다. :first 선택요소 중 첫번째 요소 :last 선택요소 중 마지막 요소 not(selector) 괄호의 selector가 일치되는 모든요소를 제외 :even 선택요소 중 짝수요소 :odd 선택요소 중 홀수요소 :eq(index) 선택요소 중 주어진 index에 일치하는 index를 가지는 요소 :gt 선택요소 중 주어진 index보다 큰 index를 갖는 요소 :lt(index) 선택요소 중 주어진 index보다 작은 index를 갖는 요소 내용 필터 :contains(text) 지정한 텍스트를 포함하는 요소들 (대소문자 굽문, 자식 요소의 텍스트까..
-
학습 알고리즘과 신경망 분류인공지능 2020. 4. 23. 16:11
심층 신경망 심층 신경망은 입력층과 출력층 사이에 여러개의 은닉층들로 이루어진 인공신경망이다. 심층 신경망은 일반적인 인공신경망과 마찬가지로 복잡한 비선형 관계들을 모델링할 수 있다. 예를 들어, 사물 식별 모델을 위한 심층 신경망 구조에서는 각 객체가 이미지 기본 요소들의 계층적 구성으로 표현될 수 있다. 이때, 추가 계층들은 점진적으로 모여진 하위 계층들의 특징들을 규한시킬 수 있다. 심층 신경망의 이러한 특징은, 비슷하게 수행된 인 공신경망에 비해 더 적은 수의 유닛들 만으로도 복잡한 데이터를 모델링할 수 있게 해준다. 이전의 심층 신경망들은 보통 앞먹임 신경망으로 설계되어 왔지만, 최근의 연구들은 심층 학습 구조들을 순환 신경망에 성공적으로 적용했다. 일례로 언어 모델링 분야에 심층 신 경망 구조..
-
단 / 다층 퍼셉트론인공지능 2020. 4. 23. 16:03
단층 퍼셉트론 1957년 프랭크 로센블래트는 MCP 뉴런 모델을 기초로 퍼셉트론 학습 규칙이라는 개념을 고안하게 되는데, 로센블래트는 하나의 MCP 뉴런이 출력신호를 발생할지 안할지 결정하 기 위해, 뉴런으로 들어오는 각 입력값에 곱해지는 가중치 값을 자동적으로 학습하는 알 고리즘을 제안했다. 퍼셉트론은 머신러닝의 지도학습이나 분류의 맥락에서 볼 때, 하나의 샘플이 어떤 클래스 에 속해 있는지 예측하는데 사용될 수 있다. x0~xn은 퍼셉트론 알고리즘으로 입력되는 값이며, w0~wn은 각각의 입력값에 곱해지는 가중치이다. 입력값은 보통 분류를 위한 데이터의 특성을 나타내는 값으로 이루어져 있으며, 이 특성값에 가중치를 곱한 값을 모두 더하여 하나의 값으로 만든다. 이 값을 만 드는 함수를 순입력함수라고 ..
-
인공 신경망(뉴럴 네트워크)인공지능 2020. 4. 23. 16:00
뉴런 인공신경망을 구성하는 프로세서인 인공 뉴런의 기능은 다음과 같다. 단순히 입력된 신호 x = [x1, x2, x3 ... xn]을 연결가중치 w = [w1, w2, w3 ... wn]과 곱한 값을 모두 더 한 다음, 그 결과에 비선형 함수 f를 취하는 것이다. 이때 동일한 입력 x를 가했을 때의 출력은 w에 따라 다른 값이 된다. 따라서 정보는 바로 연결 가중치 벡터 w에 저장된다고 볼 수 있다. 출력 y의 값은 다음과 같은 식에 의해 계산된다. 뉴럴 네트워크 뉴럴 네트워크는 뉴런이 여러개 모여 망(network)을 이룬 것이며 인공 신경망 이라고도 부른다. 뉴럴 네트워크는 입력층(Input Layer), 은닉층(Hidden Layer), 출력층(Output Layer)로 구분할 수 있으며 은닉층의..
-
딥러닝인공지능 2020. 4. 23. 15:52
딥러닝 딥러닝은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘의 집합으로 정의되며, 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계 학습의 한 분야라고 이야기할 수 있다. 딥러닝은 머신러닝의 3가지 패러다임에서 신경 모형 패러다임에 속한다. 연결주의론에서 장애물로 여겨졌던 비선형문제, 다층 신경망에서의 효과적인 학습모델, 역전파 시 지역최 소값의 함정, 신경망의 층 수가 늘어날 때 수렴의 어려움, 문제의 규모가 커질 때 나타나는 컴퓨터 성능의 한계, 레이블된 디지털 데이터의 부족 등의 문제가 기술의 발전으로 점 차 해결되면서 최근 인공지능 분야에서 가장 주목받는 기술 분야로 자리잡고 있다. 2~3개의 층으로 되어있는 신경망을 쉘로우 러닝이라고 칭하고 그 이상인 ..