신군의 역학사전

1. 계층적 군집화(Hierarchical Clustering)계층적 군집화(Hierarchical Clustering)는 데이터 간의 유사성을 기반으로, 각 데이터가 개별 군집에서 시작하여 반복적인 병합 또는 분할 과정을 통해 계층적인 트리 구조(Dendrogram)를 형성하는 비지도학습 기법이다. K-means Clustering과는 달리 클러스터의 수를 사용자가 미리 지정해주지 않아도 된다는 장점이 있으며, 트리 구조를 통해 의미있는 분류 체계를 도출할 수 있다(트리구조의 높이로 taxonomy를 찾아낼 수도 있다). 최종적으로 생성된 덴드로그램을 바탕으로 사용자가 적절한 Cutting Point를 정해 클러스터 수를 나누게 된다. 아래의 그림을 예로들면, 수직선을 어디에 긋냐에 따라 최종 클러스터..

1. K-평균 군집화(K-means Clustering)란?K-means Clustering은 분할 군집화(Partitional Clustering) 알고리즘 중 하나로, 미리 지정된 K개의 클러스터로 데이터를 나누어 각 클러스터 내에서 데이터가 최대한 서로 가깝게 되도록 하는 것을 목표로 한다. 이를 통해, 정답 레이블링이 없는 상황에서 유사한 데이터셋을 하나의 Subset으로 효과적으로 묶어낼 수 있다. 다만, 클러스터의 수(K)는 사용자가 지정해주어야 하는 하이퍼파라미터로 사용자 판단하에 최적값을 모델에 집어넣어주어야 한다. 보통 최적 클러스터 수는 엘보우 방법(Elbow Method)에 따라 선택하며, 관련 내용은 아래의 게시글과 같다.https://ymechanics.tistory.com/ent..

클러스터링 개요 (Overview of Clustering)1. 클러스터링(Clustering)이란?군집 분석(Clsutering)은 주어진 데이터셋에서 유사한 특성을 가진 데이터 포인트들을 그룹으로 묶는 비지도학습(Unsupervised Learning)기법 중 하나로, 각 데이터의 유사성을 측정하여 다수의 군집으로 나누고 군집 간의 상이성을 확인한다. 이를 통해 데이터의 내재된 구조를 파악하고 숨겨진 패턴을 확인할 수 있으며, 가장 대표적인 기법으로 K-means Clustering, DBSCAN 등이 있다. 2. 클러스터링 프로세스(Standard Clustering Procedure)대표적인 클러스터링의 프로세스를 정리해보면 위의 그림과 같다. 특징 선택(Feature Selection)을 통해 ..

강화학습(Reinforcement Learning, RL)이란?강화학습(Reinforcement Learning, RL)은 에이전트(Agent)가 환경(Environment)과 상호작용하며, 현재의 상태(State)에서 어떤 행동(Action)을 취하는 것이 최적인지를 학습하는 기계 학습 방법이다. 시행착오(Trial & Error)를 통해 보상(Reward)을 최대화하는 방향으로 학습이 진행된다. 강화학습은 마치 자전거 타는법을 처음 배울 때와 유사한 방식인데, 처음에는 균형을 잡지 못하고 넘어지기도 하지만, 몸을 이리저리 움직여보며 균형잡는 방법을 학습하여 점점 더 오래 자전거를 탈 수 있게된다. 보상은 넘어지지 않고 트랙을 완주했을때, 부모가 아이에게 간식을 준다던지, 칭찬을 해준다던지.. 등으로 ..

시뮬링크에선 유사한 기능들을 수행하는 블록들을 모아 라이브러리로 제공하고 있습니다. 다만 기본 제공되는 라이브러리와 별개로, 사용자의 편의에 맞춰 새롭게 라이브러리를 구성할 수 있는데요, 이번 포스팅에서는 해당 내용을 정리해보도록 하겠습니다. 라이브러리 생성하기우선 시뮬링크의 실행 창에서, [빈 라이브러리]를 생성해줍니다. 아니면 자주 사용하는 모델 창에서도[새로 만들기] - [라이브러리]로도 빈 라이브러리의 생성이 가능합니다.이후 새로만들기 창에서 빈 라이브러리를 클릭해줍니다.여기서 이제 라이브러리 브라우저에서담고싶은 블록들 혹은 서브시스템을 팔레트에 위치시켜줍니다.여기선 일단 무작위로 아무 블록이나 담았습니다.이렇게 생성한 라이브러리를 저장해주면 라이브러리 생성이 완료됩니다.라이브러리 창을 띄우면 왼..

이번 포스팅을 통해 서브시스템을 구성하고 활용하는 방법에 대해 정리해보겠습니다. 서브 시스템은 일종의 부분집합 개념의 블록으로, 복잡한 모델을 효율적이고 체계적으로 설계, 관리하기 위해 사용하는 주요 기능 중 하나입니다. 모델의 특정 부분을 그룹화하여 블록으로 캡슐화하는 역할을 수행하는데, 이를 통해 전체 시스템의 가독성을 높이고 재사용성과 유지보수를 용이하게 합니다. 예를들어, 자동차라는 하나의 시스템을 설계할 때에도, 엔진, 배터리, 제어기, 조향장치 이런식으로 묶어 표현하는 것이 시스템 전체의 가독성을 좀 더 좋게할 수 있겠죠.  서브시스템 (Subsystem) 생성Simulink 상에서 서브시스템의 구현은 가장 기본적으로[라이브러리 브라우저] - 서브시스템 관련 블록을 활용하여 서브시스템의 생성이..

솔버(Solver)모든 시뮬레이션에서 주요 쟁점은 정확도(Accuracy)와 속도(Speed)로, 시간 스텝(Time Step)을 통해 정확도와 속도 간의 트레이드 오프를 고려해야 합니다. 여기서 솔버(Solver)란 시간 스텝을 결정하여 시뮬레이션의 정확도와 성능을 결정하는 핵심 요소입니다. 모델링 성능 관련해서 고려해야할 요소는 다음의 3가지가 있습니다. 각각에 대한 자세한 내용은 별도로 정리하도록 하겠습니다. 1. 시스템 동역학 및 강성(System Dynamics & Stiffness) 2. 불연속성(Discontinuities) 3. 대수 루프(Algebraic Loops) 솔버 선택(Solver Selection)우선 솔버에 대한 설정은 [모델 설정] - [솔버 선택]에서 할 수 있습니다.여기..

이번 포스팅에서는 차분 시스템(Discrete System)과 연속 시스템(Continuous System)에 대해 정리해보도록 하겠습니다. 1. 차분 시스템(Discrete System)차분(Discrete)이라는 것은 이산적 혹은 불연속적이라는 의미를 가지며 연속적(Continuous)인 것과 반대되는 개념입니다. 또한 차분 시스템(Discrete System)이라는 것은 이산적 시간에서 동작하는 시스템을 의미합니다. 즉, 차분 시스템에서는 시간이나 데이터가 정해진 시간간격에 따라 불연속적으로 업데이트되며, 시간 간격마다 시스템의 상태를 계산하고 출력하게 됩니다. 이를 정리하면 아래와 같으며, 차분 방정식 형태로 모델링됩니다.따라서 모델링하고자 하는 시스템이 Discrete이냐 Continuous냐에..