목록전체 글 (258)

newhaneul

[Computer Network] Chapter 3. Transport Layer

본 포스팅은 인하대학교 유상조 교수님의 [202602-EEC3412-001] Computer Network을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. (교재: Kurose & Ross의 Computer Networking: A Top-Down Approach 8th Edition) 1. Transport-Layer Services 1.1 Transport services and protocols Network layer는 호스트 사이(host-to-host)의 논리적 통신이고, Transport layer는 프로세스 사이(process-to-process)의 논리적 통신이다.sender: 애플리케이션 메시지를 segment로 나누어 network layer에 넘긴다.receiver: segme..
4. University Study/Computer Network 2026. 10. 15. 15:38
[Information Security] Midterm Exam Contents

Lecture 1. IntroductionComputer Security DefinitionVunlerability, Threat, Attack, ControlAccess ControlMethod-Opportunity-Motive (MOM)MethodOpportunityMotiveType of HarmInterceptionInterruptionModificationFabricationC-I-A TriadConfidentialityIntegrityAvailabilityGoals of SecurityPreventionDetectionRecoveryControls AvailableEncryptionSoftware / Program ControlsDevelopment ControlsHardware Control..
4. University Study/Information Security 2026. 10. 13. 19:53
[Deep Learning] Lecture 10. CNN Architectures

본 포스팅은 인하대학교 Namhyuk Ahn 교수님의 [202602-EEC4414-001] Deep Learning을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. 1. AlexNet 1.1 AlexNet ArchitectureAlexNet은 227×227 입력을 받아 convolution layer 5개, max pooling, fully-connected layer 3개로 이루어지며, activation으로 ReLU를 쓴다. 1.2 Layer-by-Layer Computation 항목공식출력 크기$C_{out} \times H' \times W'$, $H' = \frac{H - K + 2P}{S} + 1$Memory (KB)$C_{out}H'W' \times 4 / 1024$Params$C_{o..
4. University Study/Deep Learning 2026. 10. 10. 19:35
[Deep Learning] Lecture 9. Training Neural Networks

본 포스팅은 인하대학교 Namhyuk Ahn 교수님의 [202602-EEC4414-001] Deep Learning을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. 1. Activation Functions 1.1 Role and Types of Activation Functions Activation function은 뉴런의 가중합 $\sum_i w_ix_i + b$에 적용하는 비선형 함수이다. activation이 없으면 층을 아무리 쌓아도 linear classifier가 되므로 반드시 필요하고, 어떤 함수를 고르느냐에 따라 gradient가 전달되는 정도와 학습 속도가 크게 달라진다.이번 절의 핵심은 함수를 지나면서 gradient가 얼마나 살아남는가이다. backprop에서 activa..
4. University Study/Deep Learning 2026. 10. 9. 20:24
[Deep Learning] Lecture 8. Convolutional Networks

본 포스팅은 인하대학교 Namhyuk Ahn 교수님의 [202602-EEC4414-001] Deep Learning을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. 1. Fully-Connected Layer vs. Convolution Layer 1.1 Fully-Connected LayerFully-connected layer는 32×32×3 이미지를 길이 3072의 벡터로 펼친 뒤 (stretch to 3072 x 1), $10 \times 3072$ 가중치 행렬을 곱한다. 출력의 원소 하나는 $W$의 한 행과 입력 전체의 3072차원 내적이다.$$\underbrace{Wx}_{10} = \underbrace{W}_{10 \times 3072}\ \underbrace{x}_{3072}, \q..
4. University Study/Deep Learning 2026. 10. 9. 16:01
[Information Security] Lecture 7. Databases

본 포스팅은 인하대학교 이용우 교수님의 [EEC4412-001] 정보보호론을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. (교재: Security in Computing, 5th/6th Ed., Charles P. Pfleeger) 1. Database (DB) 1.1 Database 데이터베이스는 데이터와, 그 데이터 사이의 관계를 정하는 규칙의 모음이다. 사용자는 DBMS라는 프로그램을 거쳐 데이터베이스에 접근하고, DBA는 데이터의 구성 규칙과 접근 권한을 정한다. 1.2 Queries Query는 데이터베이스에 필드나 레코드를 조회, 수정, 추가, 삭제하라고 지시하는 명령이며, 가장 널리 쓰이는 질의 언어는 SQL이다. 1.3 Database Security Requirements데이터..
4. University Study/Information Security 2026. 10. 8. 22:22
[Deep Learning] Lecture 7. PyTorch

본 포스팅은 인하대학교 Namhyuk Ahn 교수님의 [202602-EEC4414-001] Deep Learning을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. 1. LeakReLU 1.1 문제import torchclass LeakyReLU(object): @staticmethod def forward(x): """ 입력: - x: 모든 shape의 입력 tensor return (튜플): - out: x와 동일한 shape의 출력 tensor - cache: x """ out = None # 여기에 코드를 작성하세요 cache = x ..
4. University Study/Deep Learning 2026. 10. 8. 18:29
[Deep Learning] Lecture 6. Backpropagation

본 포스팅은 인하대학교 Namhyuk Ahn 교수님의 [202602-EEC4414-001] Deep Learning을 수강하고 공부한 내용을 정리하기 위한 포스팅입니다. 1. Backpropagation: Simple Example 1.1 Backpropagation미분의 연쇄 법칙 (Chain Rule)을 사용해 출력 $(L)$에서 입력 방향으로 거슬러 올라가면서 gradient를 구하는 방법을 말한다. 1.2 Forward Pass & Backward PassForward pass는 입력부터 출력까지 각 노드의 값을 순서대로 계산하는 단계이다.예제 함수와 입력값은 다음과 같다.$$f(x, y, z) = (x + y) \cdot z, \qquad x = -2,\ y = 5,\ z = -4$$$$q =..
4. University Study/Deep Learning 2026. 10. 6. 16:03
이전 Prev 1 2 3 4 ··· 33 Next 다음