[Pre-trained Model] 굉장히 거대한, model을 새롭게 학습시키고, 구조화 시키는데 수많은 시간이 들어간다. 따라서, 사용 목적이 다르더라도 기존의 학습된 거대한 모델(pre trained model)을 가져와서 사용

Physical Informed Neural Network (PINN) & Operator Learning 지금 까지 배웠던 모델들의 학습방식과 완전 다른 새로운 Neural Network에 대해서 배워보자. So far, Data-

Image Segmentation, Object detection. 지금까지는 분류 작업, 확률, 예측, 이미지 Reconstruct 등을 output으로 계산해 왔다. [Image Segmentation] 이번에는 영역 구분을 하는

지금까지 우리는 Supervised Learning에 대해서 알아보았다. 즉, 어떠한 데이터를 우리가 정답이랑 같이 model에 줌으로써, 모델을 이 새로운 데이터를 만났을 때, 학습을 바탕으로 판단하도록 학습시키는 방식이다. 그러면

Diffusion Model 이번시간에는 image generation에서 가장 기술이 좋은 현재 많은 Image generation AI 회사들이 사용하는 Diffusion model에 대해서 알아보자. 기존의 이미지 생성모델은 V

Convolutional AutoEncoder(CAE) AutoEncoder에 대해서는 이미 다들 익숙 하실 것이다. 기본적으로 Input data의 특징을 추출하기 위해서 Encoder에서 latent space로 dimension

Anomaly Detection Anomaly detection이란, 수많은 데이터들 중에서 비정상적인 녀석들 을 구분해내는 것이다. 비정상적인 빨간 달걀 구분하는 방법은 분류작업을 통해서, 아래 왼쪽처럼, 다른 Group으로 표시할

Ch7 Instability 이번 단원에서부터는, 조금 복잡하고 어려운 개념에 대해서 배워보자. Instability 불안정성 이다. stable and unstable systems 위그림에서, stable한 공은 어떠한 아주 작은

Ch7 Instability 3 - Inviscid stability 지난 시간에 Squire's Theorem을 통해서 모든 3D disturbances는 2D로 전환됨을 확인하여, 2D disturbance를 method of n

지난 시간에는 Method of Normal modes 방식을 통해서, 나란히 흐르는 속도가 다른 두 유체의 interface에서의 instability Kelvin-Helmholtz Instability 에 대해서 알아 보았다. 

https://jeffdissel.tistory.com/133 Ch5 Low Reynolds number flow - Stokes Flow part2 https://jeffdissel.tistory.com/132 Ch5 Low Rey

Ch5 Low Reynolds number flow - Stokes Flow part2 https://jeffdissel.tistory.com/132 Ch5 Low Reynolds number flow - Stokes Flow par