전체 글
-
[OOP/UML] Activity DiagramLearn/OOP&UML 2022. 8. 17. 22:52
# 개요 - 시스템의 dynamics를 표현 - state가 아닌 action의 flow를 표현 (시스템 수준 뿐만 아니라 function 레벨도 표현 가능) - alternative path를 표현 가능 - 병렬 작업 표현 가능 - action만 표현하고 data는 흘러가지 않음 # Notation - 마름모는 alternative path를 표현 - 검은색 바는 parallel activity를 표현 - activity는 state와 다름에 유의 - transition은 이전 activity가 끝나면 넘어가고 statechart와 다르게 event의 condition을 확인하지 않음. - object는 이름과 state를 표현 (대괄호 안에) - Swimlanes을 쓰면 누가 어떤 일을 할지 표현할 ..
-
[OOP/UML] Statechart DiagramLearn/OOP&UML 2022. 8. 17. 22:32
Statechart diagram과 activity diagram은 비슷한데 그리는 방식이 반대이다. 그릴 내용이 - finite state machine인 경우는 statechart를 - business process인 경우는 activity diagram을 쓴다. # State operations - entry: 들어옴 - exit: 나감 - do: 계속 진행 # Transition state가 다른 state로 변하는 것에 대한 표현 - 이벤트, 조건, 동작 포함 아래의 경우 event1이 발생하면 일단 state를 나가야되므로 Activity2가 실행되고 그 후에 Activity3 그리고 다시 들어와서 Activity1이 실행된다. (※순서주의 Activity2 > Activity3 > Activ..
-
[OOP/UML] Sequence DiagramLearn/OOP&UML 2022. 8. 14. 22:33
# Interaction Diagrams Interaction Diagram은 실제 존재하는 Diagram은 아니고 개념적인 것. (아래 4개를 통칭하는 이름) Interaction Diagram은 functional requirement별로 하나씩 그림 [OOP] 4. UML OMG라는 회사에서 만든 Unified Modeling Language # MOF (Meta Object Facility) - Layer M3: Meta-meta model layer (The MOF model) - Layer M2: Meta model layer (The UML meta model) - Layer M1: Model lay.. push-and-sleep.tistory.com - Sequence diagram - C..
-
[Anomaly Detection] PCA, Autoencoder, GANLearn/머신러닝 2022. 8. 12. 15:26
# 재구축 오차 원본 데이터를 압축했다가 다시 원본과 같은 차원으로 복원하는 과정을 거침. 복원력이 좋다면 X는 X'과 거의 같을 것이다. > 원본 데이터와 복원된 데이터의 차이를 통하여 재구축 오차(reconstruction error) 계산 # 재구축 오차 기반 이상치 탐지 알고리즘 - 이상 관측치(anomaly)들은 잘 복원되지 않을 것이라는 가정으로 접근 - 잘 복원되지 않은, 즉 재구축 오차가 큰 관측치를 찾아 이상으로 정의 > 정상 데이터로 학습해야한다. # Principal Component Analysis (PCA) 원본 데이터의 분산을 최대한 보존하는 새로운 축을 찾고, 그 축에 데이터를 projection 시키는 기법 재구축된 데이터와 기존 데이터 사이의 차이를 재구축 오차로 정의 # ..
-
[OOP/UML] Class DiagramLearn/OOP&UML 2022. 8. 12. 00:31
# UML Class Diagram OOD에서 UML Class Diagram은 두 가지 뜻으로 쓰인다. 1. Domain model 2. Design Class Diagram (DCD) # Object - 소문자로 시작 - 어느 클래스에서 왔는지 적고싶으면 콜론하고 적음 - Operation은 해당 클래스는 다 같은 것을 가지므로 표시하지 않음 # Object Diagram - 별거없고 관련있는 오브젝트끼리 연결한 것. # Attribute Syntax + : public (default for operation) - : private (default for attribute) # : protected ~ : package / : 값을 직접 넣는게 아니라 계산되는 값 name : 소문자로 시작 type..
-
[Anomaly Detection] SVM, SVDDLearn/머신러닝 2022. 8. 11. 17:46
# One-Class Support Vector Machine (One SVM) - 정상 / 불량 관측치를 부분짓는 서포트 벡터 머신 알고리즘을 구축하는 방법론 - 정상 데이터를 고차원 공간으로 보내서 ①불량 데이터와 구분되고 ②원점에서 멀리 떨어지게 하는게 목표 w: parameter regularization으로 특정 범위에서만 변하게 함 (민감하게 변하지 않게; Robust) ρ: 원점으로부터의 거리. 멀면 좋은데 목적식을 최소화해야 하므로 -를 붙임. ν: nu라고 읽음. SVM의 C를 (1/νn)으로 표현. ξ: hyperplane과 원점 사이에 있는 점들의 hyperplane까지의 거리. (최소화) Φ(.): mapping function (original data → feature space..
-
[Anomaly Detection] Isolation ForestLearn/머신러닝 2022. 8. 11. 13:52
# 개요 - 모델 기반 이상치 탐지 알고리즘 중 하나 - 이 모델은 분류를 한다기보단 Score가 나옴. # 기본 개념 - Decision Tree와 마찬가지로 y를 균일하게 분류하는게 목표 - 아래 그림은 t1 > t2 > t3 > t4 순으로 나눴음 > x1, x2간의 분할 순서, t를 어디로 잡을 것인지가 중요 - 모델 구실을 하려면 미래 데이터를 예측할 수 있어야 함 > 어떤 구역에 미래 데이터가 속했는지를 보고 다수(majority)를 따르면 됨 - Decision Tree로 표현하면 오른쪽과 같음 > 마지막 노드를 Terminal node라고 부르며 이게 중요 - Full-Grown Tree를 만들경우 overfitting # 분할점은 어떻게 정할까? 위 그림에서 몇 번이 가장 잘 나눈 것일까..
-
[Anomaly Detection] Local Outlier Factor (LOF)Learn/머신러닝 2022. 8. 10. 17:17
# 개요 - 한 객체 주변 데이터 밀도를 고려한 이상치 탐지 알고리즘 - 정상 객체는 주변에 데이터가 많이 존재하고, 불량 객체는 단독으로 존재한다는 가정 1. K-distance of object p - 자기 자신(p)을 제외하고 k번째로 가까운 이웃과의 거리 2. K-distance neighborhood of object p(Nk(p)) - k번째로 가까운 이웃과의 거리를 원으로 표현할 때, 원 안에 포함되는 모든 객체들의 개수 - 커트라인에 걸린 동률인 것도 다 포함된다. - 실제 계산때는 모든 점에 대해 거리를 다 구하고 sorting이 필요하다. 3. reachability Distance (Reachability distance_k(p, o)) - ①o를 기준으로 k번째 가까운 이웃과의 거리..