일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
- 서버 os확인
- virtual env
- inductive learning
- 푸리에변환이란
- 크롤링 주의사항
- python버전 동시 사용
- rnn
- fourier 변환
- transductive
- transductive learning
- 푸리에 변환
- inductive transductive
- 로컬에서 서버
- 푸리에
- python패키지설치
- inductive
- rnn구현
- 크롤링할때 중요한것
- 기초머신러닝
- fourier transform
- ssh connection closed
- 서버로 파일 복사
- dlib 설치
- server os
- 서버 os
- 머신러닝 딥러닝
- python2 python3
- Fourier
- 머신러닝
- Machine Learning
- Today
- Total
목록푸리에 변환 (2)
우당탕탕 도비의 코딩로그

앞에서 살펴봤던 Fourier transform을 신호(signal) 뿐만 아니라 Graph 분야에서도 사용할 수 있다. Graph안의 node들은 시간 t 가 흐름에 따라 주변 이웃 node들의 정보를 포함하게 된다. 위 그림에서 노드 "3"을 살펴보자. 시간 t가 지남에 따라 주변 이웃 노드들(1-hop 외에 더 넓은 범위의 이웃까지)의 feature(signal)를 포함하여 매시간 t마다 다른 signal을 가지는 것을 볼 수 있다. 이를 time domain/spatial domain에 나타낸 모습이 왼쪽 그림이다. 위의 예시에서, 각 노드는 2-dimension의 feature vector를 가지는데 signal(0)은 feature vector의 index 0 에 해당하는 value, sign..

푸리에 변환(Fourier Transform)은 신호처리(Signal Processing), 컴퓨터 비전(Computer Vision), 그래프 신호처리(Graph signal processing) 등의 분야에서 특정 입력 신호(signal)를 여러개의 단순한 sin과 cos 주기 함수들로 분해하여 나타내기 위해 사용된다. 위 그림에서 주파수(frequency)와 진폭(amplitude)이 각기 다른 파란색 sin과 cos 주기 함수수들을 합치면 빨간색의 신호가 된다. 이렇게 신호를 단순한 주기함수들로 분해하는 것을 signal을 time domain 에서 frequency domain으로 옮기는 것으로 볼 수 있다. 위 그림의 오른쪽 그림에서 위에 있는 그림은 signal을 time domain에 나타..