최근 바뀜
IT 위키
이 페이지에서 위키의 최근 바뀜을 추적합니다.
약어 목록:
- 새글
- 새 문서 (새 문서 목록도 보세요)
- 잔글
- 사소한 편집
- 봇
- 봇이 수행한 편집
- (±123)
- 바이트 수로 표현한 문서 크기의 차이
2025년 10월 27일 (월)
|
|
11:19 | 동물 이름 모음 7개 바뀜 역사 −22 [119.193.18.45 (7×)] | |||
|
|
11:19 (최신 | 이전) +3 119.193.18.45 토론 (→여기 나오는게 모두다 양시윤입니다 귀여미) 태그: 시각 편집 | ||||
|
|
11:14 (최신 | 이전) +1 119.193.18.45 토론 (→여기 나오는게 모드 양시윤입니다 귀여미) 태그: 시각 편집 | ||||
|
|
11:13 (최신 | 이전) −21 119.193.18.45 토론 (→귀여미 양시윤 리스트입니다.) 태그: 시각 편집 | ||||
|
|
11:08 (최신 | 이전) +4 119.193.18.45 토론 (→리스트 구분개새끼) 태그: 시각 편집 | ||||
|
|
11:04 (최신 | 이전) +9 119.193.18.45 토론 (→리스트 구분) 태그: 수동 되돌리기 시각 편집 | ||||
|
|
10:58 (최신 | 이전) −9 119.193.18.45 토론 (→리스트 구분개새끼) 태그: 시각 편집 | ||||
|
|
10:57 (최신 | 이전) −9 119.193.18.45 토론 (→리스트 구분) 태그: 시각 편집 | ||||
|
|
03:05 | (삭제 기록) [Itwiki (2×)] | |||
|
|
03:05 Itwiki 토론 기여님이 С чем носить мужскую льняную рубашку 문서를 삭제했습니다 (84.233.195.39님이 추가한 문서를 대량 삭제함) | ||||
|
|
03:04 Itwiki 토론 기여님이 Шаблон для открытки восьмерка 문서를 삭제했습니다 (84.233.195.38님이 추가한 문서를 대량 삭제함) | ||||
|
|
03:04 | (차단 기록) [Itwiki (2×)] | |||
|
|
03:04 Itwiki 토론 기여님이 84.233.195.39 토론님을 무기한 차단했습니다 (계정 만들기 금지됨) | ||||
|
|
03:04 Itwiki 토론 기여님이 84.233.195.38 토론님을 무기한 차단했습니다 (계정 만들기 금지됨) | ||||
| 00:26 | 사용자 만들기 기록 Udego 토론 기여 계정이 생성되었습니다 | ||||
2025년 10월 26일 (일)
| 16:26 | 사용자 만들기 기록 Eqosaka 토론 기여 계정이 생성되었습니다 | ||||
| 새글 13:20 | 텐서 압축 차이역사 +5,093 인공무능 토론 기여 (새 문서: 텐서 압축(Tensor Compression)은 고차원 배열(텐서)을 저장·처리할 때 메모리 사용량과 계산 복잡도를 줄이기 위해 희소성(sparsity) 또는 저차(rank) 구조를 이용하여 데이터를 압축하는 기법이다. ==개념== 고차원 텐서란 3차원 이상(예: 3‑way, 4‑way…) 배열을 의미하며, 텐서 압축은 이러한 배열에서 대부분이 0이거나 중요도가 낮은 원소를 효율적으로 표현하는 방식이다....) | ||||
|
|
새글 13:19 | CSC (압축) 2개 바뀜 역사 +4,656 [인공무능 (2×)] | |||
|
|
13:19 (최신 | 이전) −16 인공무능 토론 기여 태그: 시각 편집 | ||||
| 새글 |
|
13:18 (최신 | 이전) +4,672 인공무능 토론 기여 (새 문서: CSC(Compressed Sparse Column, 압축된 희소 열 형식)은 희소 행렬을 저장할 때 열 중심(column‑oriented)으로 비제로(non‑zero) 원소를 압축하는 방식이다. ==개념== CSC 방식은 비제로 원소들을 열 단위로 순서대로 저장하며, 각 열의 시작 위치를 나타내는 포인터 배열을 함께 유지한다. 구체적으로 세 개의 배열을 사용한다: * ‘data’ — 비제로 원소들의 값 배열 * ‘indices...) 태그: 시각 편집 | |||
| 13:17 | COO (압축) 차이역사 +1,190 인공무능 토론 기여 | ||||
|
|
13:03 | (삭제 기록) [Itwiki (2×)] | |||
|
|
13:03 Itwiki 토론 기여님이 С чем носить мартинсы 문서를 삭제했습니다 (146.70.108.114님이 추가한 문서를 대량 삭제함) | ||||
|
|
13:03 Itwiki 토론 기여님이 Оксана Салдыркина 문서를 삭제했습니다 (169.150.196.200님이 추가한 문서를 대량 삭제함) | ||||
|
|
13:03 | (차단 기록) [Itwiki (2×)] | |||
|
|
13:03 Itwiki 토론 기여님이 146.70.108.114 토론님을 무기한 차단했습니다 (계정 만들기 금지됨) (외국 언어 광고) | ||||
|
|
13:02 Itwiki 토론 기여님이 169.150.196.200 토론님을 무기한 차단했습니다 (계정 만들기 금지됨) (외국 언어 광고) | ||||
2025년 10월 25일 (토)
| 13:04 | 사용자 만들기 기록 Umuky 토론 기여 계정이 생성되었습니다 | ||||
| 새글 12:15 | 프루닝 차이역사 +292 인공무능 토론 기여 (새 문서: 프루닝은 컴퓨터 과학 측면에선 계산 효율 및 성능 개선등을 위해 상대적으로 불필요한 경로나 수치를 잘라내는 것을 의미한다. 아래 중 하나의 문서를 선택할 수 있다. * 의사결정 나무의 프루닝 * 신경망 가지치기) | ||||
| 새글 11:33 | 깊이별 합성곱 차이역사 +3,018 인공무능 토론 기여 (새 문서: 깊이별 합성곱(Depthwise Convolution)은 합성곱 신경망(CNN)에서 연산 효율성을 높이기 위해 제안된 구조로, 표준 합성곱(Standard Convolution)을 채널 단위로 분리하여 수행하는 방식이다. 이 방식은 MobileNet 등 경량 신경망의 핵심 구성 요소로 사용되며, 모델의 파라미터 수와 연산량을 크게 줄인다. ==개요== 일반적인 합성곱 연산은 입력의 모든 채널에 대해 동일한 필터를 적...) | ||||
| 새글 11:17 | ShiftNet 차이역사 +3,013 인공무능 토론 기여 (새 문서: ShiftNet은 2018년에 제안된 초경량 합성곱 신경망(CNN) 구조로, 합성곱 연산(convolution) 자체를 제거하고 단순한 픽셀 이동(shift) 연산으로 공간 정보를 처리하는 혁신적인 접근 방식을 제시하였다. ==개요== ShiftNet은 전통적인 합성곱 계층의 연산량과 파라미터 수를 극단적으로 줄이기 위해 설계되었다. 기존의 표준 합성곱이나 깊이별 합성곱(depthwise convolution)조차도 상...) | ||||
| 새글 11:15 | ConvNeXt 차이역사 +2,596 인공무능 토론 기여 (새 문서: ConvNeXt(Convolutional Network for the 2020s)는 2022년에 제안된 현대적 합성곱 신경망(CNN) 구조로, 비전 트랜스포머(Vision Transformer)의 설계 철학을 결합하여 기존 CNN의 성능과 효율성을 극대화한 모델이다. ==개요== ConvNeXt는 기존 ResNet 구조를 기반으로 하지만, 트랜스포머의 설계 원칙을 도입하여 단순한 CNN 구조로도 최신 비전 모델과 경쟁 가능한 성능을 달성하였다. 주요 목...) | ||||
| 11:11 | 합성곱 신경망 차이역사 +4,376 인공무능 토론 기여 | ||||
|
|
10:58 | (차단 기록) [Itwiki (4×)] | |||
|
|
10:58 Itwiki 토론 기여님이 162.158.158.86 토론님의 차단을 해제했습니다 | ||||
|
|
10:58 Itwiki 토론 기여님이 141.101.76.16 토론님의 차단을 해제했습니다 | ||||
|
|
05:05 Itwiki 토론 기여님이 141.101.76.16 토론님을 무기한 차단했습니다 (계정 만들기 금지됨) | ||||
|
|
01:20 Itwiki 토론 기여님이 84.233.195.57 토론님을 무기한 차단했습니다 (계정 만들기 금지됨) | ||||
|
|
10:57 | (삭제 기록) [Itwiki (6×)] | |||
|
|
10:57 Itwiki 토론 기여님이 Раскраски объемные поделки 문서를 삭제했습니다 (108.162.237.82님이 추가한 문서를 대량 삭제함) | ||||
|
|
10:56 Itwiki 토론 기여님이 Черные полосочки на ногтях 문서를 삭제했습니다 (67.21.32.148님이 추가한 문서를 대량 삭제함) | ||||
|
|
05:05 Itwiki 토론 기여님이 Фото в купальнике Софи Лорен 문서를 삭제했습니다 (141.101.76.16님이 추가한 문서를 대량 삭제함) | ||||
|
|
01:21 Itwiki 토론 기여님이 파일:배치 정규화 전후.png 문서를 삭제했습니다 (중복된 파일) | ||||
|
|
01:20 Itwiki 토론 기여님이 Контуринг волос для круглого лица 문서를 삭제했습니다 (84.233.195.57님이 추가한 문서를 대량 삭제함) | ||||
|
|
00:28 Itwiki 토론 기여님이 Фото в купальнике Stella Cox 문서를 삭제했습니다 (162.158.158.86님이 추가한 문서를 대량 삭제함) | ||||
| 새글 05:38 | EfficientNet 차이역사 +4,216 인공무능 토론 기여 (새 문서: EfficientNet(영어: EfficientNet)은 컨볼루션 신경망(CNN) 아키텍처의 효율적인 확장을 위한 모델 계열로, “EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks” 논문에서 제안되었다. ==개요== EfficientNet은 네트워크의 깊이(depth), 폭(width), 입력 해상도(resolution)를 균형 있게 확장하는 '''복합 계수(compound coefficient)''' 기반 스케일링 기법을 도입하였다. 기존 모델들은 깊이...) | ||||
| 새글 05:34 | DenseNet 차이역사 +4,121 인공무능 토론 기여 (새 문서: DenseNet(영어: Dense Convolutional Network, 덴스넷)은 층(layer) 간의 연결을 극대화하여 특징 재사용(feature reuse)과 기울기 흐름(gradient flow)을 개선한 컨볼루션 신경망(CNN) 구조이다. ==개요== DenseNet은 각 층이 이전 모든 층의 출력(feature map)을 입력으로 받아들이고, 자신의 출력을 이후 모든 층이 다시 입력으로 전달하는 구조를 가진다. 즉, 하나의 Dense Block 내부에서 l번째 층...) | ||||
| 새글 05:32 | SqueezeNet 차이역사 +3,509 인공무능 토론 기여 (새 문서: SqueezeNet(영어: SqueezeNet)은 모바일 및 임베디드 환경에서 매우 적은 파라미터 수로도 높은 정확도를 달성하도록 설계된 경량 컨볼루션 신경망(CNN) 구조이다. ==개요== SqueezeNet은 2016년 발표된 모델로, AlexNet과 비슷한 수준의 이미지 분류 성능을 유지하면서도 파라미터 수를 약 50배 줄이는 것을 목표로 설계되었다. 모델 크기가 매우 작아(최소 0.5MB 수준) 모바일 및 임...) | ||||
| 새글 05:29 | ShuffleNet 차이역사 +4,678 인공무능 토론 기여 (새 문서: ShuffleNet(영어: ShuffleNet)은 모바일 및 임베디드 디바이스 환경에서 매우 제한된 연산 자원 하에서도 고성능 이미지 인식이 가능하도록 설계된 경량 컨볼루션 신경망(CNN) 아키텍처이다. ==개요== ShuffleNet은 연산량이 극히 적은 환경(수십 MFLOPs 수준)에서도 동작하도록 설계되었다. 핵심은 두 가지 연산 기법인 포인트와이즈 그룹 컨볼루션(pointwise group convolution)과 채널...) | ||||
| 새글 05:23 | MobileNet 차이역사 +4,623 인공무능 토론 기여 (새 문서: MobileNet(영어: MobileNet)은 모바일 및 임베디드 디바이스 환경에서 낮은 지연(latency)과 적은 연산량으로 이미지 인식, 객체 검출 등의 컴퓨터 비전 과제를 수행하도록 설계된 경량 컨볼루션 신경망(CNN) 아키텍처 계열이다. ==개요== MobileNet은 일반적인 컨볼루션 연산을 깊이별 분리된 컨볼루션(depthwise separable convolution) 방식으로 대체하여 연산량과 파라미터 수를 크게 줄...) | ||||
| 새글 05:19 | Wide ResNet 차이역사 +5,035 인공무능 토론 기여 (새 문서: Wide ResNet(영어: Wide Residual Network, 축약 WRN)은 ResNet 구조의 “깊이(Depth)”를 늘리는 대신 “폭(Width)”을 확장하여 성능을 향상시킨 변형 아키텍처로, 세르게이 자고루이코(Sergey Zagoruyko)와 니코스 코모다키스(Nikos Komodakis)가 2016년에 제안하였다. ==개요== Wide ResNet은 기존 ResNet이 층을 깊게 쌓을수록 학습 효율이 떨어지고, 특징 재사용(feature reuse)이 감소하는 문제를 해...) | ||||
| 05:18 | ResNet 차이역사 +17 인공무능 토론 기여 | ||||
| 새글 05:11 | AlexNet 차이역사 +4,668 인공무능 토론 기여 (새 문서: AlexNet(영어: AlexNet)은 2012년 ImageNet 대회(ILSVRC 2012)에서 우승하며 딥러닝 기반 이미지 인식의 시대를 연 컨볼루션 신경망(CNN) 모델이다. 토론토 대학교의 알렉스 크리제브스키(Alex Krizhevsky), 일야 서츠케버(Ilya Sutskever), 제프리 힌턴(Geoffrey Hinton)에 의해 개발되었다. ==개요== AlexNet은 대규모 이미지 데이터셋(ImageNet)을 학습하여 객체 분류 문제를 해결한 모델로, 당시 기...) | ||||
| 새글 05:09 | LeNet 차이역사 +3,032 인공무능 토론 기여 (새 문서: LeNet(영어: LeNet)은 손글씨 숫자 인식 등 문서 이미지 인식을 위해 설계된 초기 컨볼루션 신경망(CNN) 계열 모델로, 특히 1998년에 제안된 LeNet-5가 가장 널리 알려져 있다. ==개요== LeNet은 컨볼루션과 서브샘플링(당시 평균 풀링)을 반복해 공간 정보를 보존하며 특징을 추출하고, 마지막에 완전연결층으로 분류를 수행하는 구조를 갖는다. 원래 목적은 우편번호나 수표의...) | ||||
| 새글 05:08 | 르넷 차이역사 +23 인공무능 토론 기여 (LeNet 문서로 넘겨주기) | ||||
| 01:36 | 배치 정규화 차이역사 +607 인공무능 토론 기여 | ||||
|
|
01:36 | (올리기 기록) [Itwiki; 인공무능] | |||
|
|
01:36 인공무능 토론 기여님이 파일:배치 정규화 전후 분포.png 파일을 올렸습니다 | ||||
|
|
01:20 Itwiki 토론 기여님이 파일:배치 정규화 전후.png 파일을 올렸습니다 | ||||
