일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
Tags
- 오블완
- GAN
- WinAPI
- UE5
- Stat110
- ddpm
- BERT
- 디퓨전모델
- 언리얼엔진
- RNN
- deep learning
- 생성모델
- WBP
- 폰트생성
- cv
- 모션매칭
- Unreal Engine
- motion matching
- Generative Model
- dl
- Diffusion
- ue5.4
- Font Generation
- NLP
- multimodal
- CNN
- 딥러닝
- animation retargeting
- userwidget
- Few-shot generation
Archives
- Today
- Total
목록확률분포 (1)
Deeper Learning
[Statistics 110] 확률변수와 확률분포
확률변수: 함수라고 할 수 있음, 지금까지 사용하던 $f(x) = x^2$ 와 같은 형태로 표기하지 않을 뿐 확률분포: 확률변수가 어떻게 행동할 것인지를 나타내는 개념 (확률분포는 확률변수가 취할 수 있는 모든 값과 그 값들이 나타날 확률을 표현한 것) 표본공간 S가 있고 S 내부에 가능한 여러 결과가 있다고 생각하자. 확률변수는 각 결과에 숫자를 배정하는 함수로 생각할 수 있음 (주사위의 경우 1~6) 확률변수 X에서 $$X=6$$ 위 표현은 확률변수 X에 6을 할당하는 개념보다 Event 자체로 이해하는 것이 옳다. 확률변수 X를 시행이 성공하면 1, 시행이 실패하면 0이라고 정의해보자. 일단 S 내부의 결과(ex.시행이 성공)에 1이라는 숫자를 부여하는 함수로 X를 생각할 수 있다. 시행의 성공확률..
Statistics & Math
2022. 3. 27. 12:42