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 |
- 이터레이터
- iterator
- /etc/network/interfaces
- Kernighan의 C언어 프로그래밍
- 구멍가게코딩단
- 페이징
- network configuration
- 티스토리 쿠키 삭제
- 스프링 시큐리티
- 친절한SQL튜닝
- 데비안
- 알파회계
- 선형대수
- resttemplate
- GIT
- 스프링부트핵심가이드
- 자료구조와 함께 배우는 알고리즘 입문
- 처음 만나는 AI수학 with Python
- 서버설정
- 코드로배우는스프링웹프로젝트
- d
- 목록처리
- baeldung
- ㅒ
- 자료구조와함께배우는알고리즘입문
- 자바편
- 코드로배우는스프링부트웹프로젝트
- 리눅스
- 처음 만나는 AI 수학 with Python
- 네트워크 설정
- Today
- Total
목록전체 글 (406)
bright jazz music
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bUR2r5/btrJj64c799/gJ0IdfkfSobh3vCXy8D14k/img.png)
오류 Caused by: org.springframework.core.NestedIOException: Failed to parse mapping resource ~~ Mapped statements collection already contains value for 네임스페이스명.쿼리id ~~ 마이바티스를 사용하는 경우, 쿼리 아이디가 중복됨으로써 발생하는 문제이다. 내 경우 아래와 같은 에러 로그가 발생하였다. 오류 분석 20220729 21:16:33.552[ localhost-startStop-1] WARN o.s.b.c.e.AnnotationConfigEmbeddedWebApplicationContext - Exception encountered during context initializati..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/djUoFF/btrINvDapAP/8i2rODJYbGKaJjZrlPYcaK/img.png)
코사인 유사도(cosine similarity) 코사인 유사도는 벡터 사이의 방향의 가까운 정도를 나타낸다. 다음과 같이 요소 수가 2인 2차원 벡터 두 개가 존재한다고 가정하자. 두 벡터 사이의 각도는 세타(θ)라고 가정하자. 그렇다면 아래와 같은 그림을 그릴 수 있다. 내적 구하기 np.linalg.dot()을 통해 벡터의 내적을 구할 수 있다. 내적은 각 요소의 총합이다. 위의 내적은 삼각함수와 L2 놈을 사용해서 구할 수도 있다. 삼각함수와 L2 놈을 사용한 내적 구하기 아래의 내용은 코사인 법칙 정리를 사용해서 증명 가능하다. LaTeX 수식 $\vec{a}\cdot\vec{b} = ||\vec{a}||_{2}||\vec{b}||_{2} cos\theta = \sqrt{a_{1}^2 + a_{2..
org.apache.catalina.webresources.Cache.backgroundProcess The background cache eviction process was unable to free [10] percent of the cache for Context [] - consider increasing the maximum size of the cache. After eviction approximately [9,244] KB of data remained in the cache. 톰캣 캐시 여유공간 부족 문제 때문에 발생하는 문제 톰캣경로\context.xml 내용 추가 context> ~ 중략 ~
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/FbE1k/btrIJV9IFiC/niskYbam5OmpEvYGRKAQy1/img.png)
고윳값과 고유벡터의 계산 행렬을 고유방정식에 대입하여 고윳값을 먼저 구한다. 구한 각각의 고윳값에 대한 고유벡터를 구한다. 1. 고윳값의 계산 다음 행렬 A의 고윳값을 계산한다. 고유방정식 사용 (A를 고유방정식에 대입) LaTeX 수식 $\begin{align} det(A-\lambda{E}) &= 0 \\ \\ det\begin{pmatrix} \begin{pmatrix} 3&1 \\ 2&4 \end{pmatrix} -\lambda \begin{pmatrix} 1&0 \\ 0&1 \end{pmatrix} \end{pmatrix} &= 0 \\ \\ det\begin{pmatrix} 3-\lambda & 1 \\ 2 & 4-\lambda \end{pmatrix} &= 0\\ \\ (3-\lambda)(..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/XYJo2/btrIEcdPoXU/PzOlkkpT1Hb6mzKjJzKDuK/img.png)
고윳값(eigenvalue)과 고유벡터(eigenvector) 고윳값 고유벡터의 길이를 변하게 하는 배수. 선형변환의 그 고유벡터에 대응하는 값. 아래 행렬 A에 대해서 관계를 만족시키는 스칼라 λ를 행렬 A의 고윳값이라고 한다. LaTeX 수식 $A \vec{x} = \lambda \vec{x}$ 고유벡터 위 관계에서의 벡터 x를 행렬 A의 고유벡터라고 한다. 선형변환 이후에도 방향이 변하지 않는 0이 아닌 벡터 선형변환에 의해 각 요소가 고윳값의 배가 되는 벡터 고윳값과 고유벡터의 사용 선형변환은 대게 고유벡터와 그 고윳값만으로 완전히 설명 가능 고유벡터와 고윳값의 개념은 선형대수학, 함수해석학 등의 응용 분야에 자주 사용 인공지능에서는 데이터를 요약하는 주성분 분석이라는 기법에 이용된다. 고윳값과 ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bcEbw3/btrIISEaFjn/5SSK6uv9Na4CX1jaADOjWk/img.png)
표준기저(Standard basis) 표준기저를 이용하여 벡터를 일반적인 식의 형태로 표현할 수 있다. 벡터는 '표준기저와 상수의 곱의 합'으로 표현할 수 있다. 표준기저는 다음과 같다. LaTeX 수식 $\vec e_{x} = \begin{pmatrix} 1 \\ 0 \end{pmatrix}$ $\vec e_{y} = \begin{pmatrix} 0 \\ 1 \end{pmatrix}$ 이 때 벡터 a는 아래와 같이 나타낼 수 있다. LaTeX 수식 $\vec a = \begin{pmatrix} 2 \\ 3 \end{pmatrix} = 2\begin{pmatrix} 1 \\ 0 \end{pmatrix} + 3\begin{pmatrix} 0 \\ 1 \end{pmatrix} = 2\vec e_{x} + 3..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/Ryook/btrIxZZFJ0U/q5KqRZAuhmhPNSxmKS3Ayk/img.png)
선형변환(linear transformation, ) 선형변환은 벡터를 변환한다. 벡터에서 벡터로의 변환을 선형변환이라고 한다. 선형변환은 선형대수학에서 선형 결합을 보존하는, 두 벡터 공간 사이의 함수이다. 선형변환은 인공지능에서 뉴럴 네트워크로 정보를 전파시키는 데 사용한다. 참고: https://url.kr/g9v4td 아래의 예를 보자. 행렬 A가 있다. LaTeX 수식 $A=\begin{pmatrix} 2 & -1 \\ 2 & -2 \end{pmatrix}$ a라는 세로 벡터가 있다. LaTeX 수식 $A=\begin{pmatrix} 2 & -1 \\ 2 & -2 \end{pmatrix}$ 행렬 A를 세로 벡터a에 곱해서 새로운 세로 백터 b로 변환할 수 있다. LaTeX 수식 $\vec b =..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bRdFQH/btrIxuSfQGb/U2ftV7JTahNe1uNoTmdShk/img.png)
벡터 그리기 다음의 벡터를 화살표로 그린다. LaTeX 수식 $\vec a = \begin{pmatrix} 2 \\ 3 \end{pmatrix}$ 파이썬에서의 벡터 그리기 matplotlib.pyplot 라이브러리의 quiver() 함수를 사용하여 화살표를 그린다. quiver() 함수의 설정은 아래와 같다. quiver(시작점의 x좌표, 끝 점의 y좌표, 화살표의 x 성분, 화살표의 y 성분, angles=화살표의 각도와 결정방법, scale_units=스케일의 단위, scale=스케일, color=화살표의 색) #벡터를 그릴 때는 x성분과 y성분으로 표현한다. 실습 #벡터로 화살표 그리기 import numpy as np import matplotlib.pyplot as plt #화살표 그리는 함수 ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/dqOTWi/btrIoAMqdra/qMpsa3YAHya2knRikiYpR0/img.png)
역행렬 (inverse matrix) 스칼라에 그 역수를 곱하면 1이 된다. 예) 3 x 1/3 = 1 이와 같이 행렬에도 곱하면 단위행렬이 되는 행렬이 존재한다. 그것이 역행렬이다. 역행렬의 표시 LaTex 수식 $A^{-1}$ 행렬과 역행렬의 관계 LaTex 수식 $A^{-1}A = AA^{-1} = E$ 단, 위와 같은 관계가 되려면 행렬 A가 행과 열의 수가 같은 정방행렬(square matrix여야 한다) 아래의 경우 C와 D는 순서에 상관 없이 행렬곱을 해도 단위행렬이 된다. 따라서 역행렬 관계가 성립한다. LaTex 수식 $C = \begin{pmatrix} 1 & 2 \\ 1& 2 \end{pmatrix} D = \begin{pmatrix} 2 & -1 \\ -1 & 1 \end{pmatr..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/3vV52/btrIn3thxOm/AU5BmKplJLJCewuWQE71o1/img.png)
행렬식과 역행렬 행렬식을 사용함으로써 역행렬을 구할 수 있다. 역행렬을 사용하면 행렬의 방정식을 풀 수 있다. 단위행렬 (Identity matrix, Unit Matrix) 단위 행렬은 행과 열의 수가 같다. 행렬의 왼쪽 위에서부터 오른쪽 아래로 1이 나열된다. 그 외의 요소는 0이다. 단위 행렬은 행렬의 앞이나 뒤에서 행렬곱을 하더라도 그 행렬의 값을 변화시키지 않는다. 아래는 단위 행렬의 예이다. LaTeX 수식 $\begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix}$ $\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0& 1\end{pmatrix}$ $ \begin{align}\begin{pmatrix} 1 & 0 &\cdots & 0\..