if(life){code();}

오토인코더 (Autoencoder) 입력 데이터를 압축(인코딩)하고, 다시 복원(디코딩)하는 비지도 학습 모델 입력값을 출력값과 가깝게 만드는 방향으로 학습하며, 입력 데이터를 효율적으로 표현하는 잠재 벡터(latent vector)를 학습함  주요 활용 분야차원 축소 (Dimensionality Reduction)노이즈 제거 (Denoising)이상 탐지 (Anomaly Detection)생성 모델 기반 (VAE, GAN 등) 동작 원리 인코더 (Encoder) 입력 데이터를 저차원 잠재 공간으로 압축입력 x 를 잠재 변수 z로 변환𝑥 = f(𝑥) = σ(Wₑ 𝑥 + bₑ) → 중요한 특징을 추출하고, 입력 데이터를 압축  디코더 (Decoder) 잠재 변수 z를 원래의 입력과 유사한 데이터 x̂..

벡터 공간의 성질 벡터 공간은 다음 10가지 공리로 정의: (1) 벡터의 덧셈과 성질 • 덧셈의 닫힘성: 벡터 공간의 두 벡터를 더하면 결과도 벡터 공간에 속해야 한다. • 덧셈의 교환법칙: 벡터를 더하는 순서는 결과에 영향을 주지 않는다.  • 덧셈의 결합법칙: 벡터를 세 개 더할 때, 괄호의 위치를 바꿔도 결과는 같다. • 영벡터의 존재: 벡터 공간에는 덧셈에 대해 항등원이 되는 특별한 벡터(영벡터)가 존재해야 한다. • 덧셈 역원의 존재: 각 벡터 u에 대해 -u라는 역벡터가 존재해야 하며, 이 두 벡터를 더하면 영벡터가 된다.                              → u + (-u) = 0 (2) 스칼라 곱과 성질 • 스칼라 곱의 닫힘성: 벡터 공간의 벡터에 실수(스칼라)를 곱한 결..