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 |
Tags
- GAN
- CNN
- 언리얼엔진
- WinAPI
- UE5
- 디퓨전모델
- Unreal Engine
- WBP
- multimodal
- 오블완
- ue5.4
- NLP
- 폰트생성
- Diffusion
- Stat110
- Few-shot generation
- Generative Model
- animation retargeting
- 생성모델
- RNN
- dl
- 딥러닝
- BERT
- userwidget
- 모션매칭
- deep learning
- motion matching
- Font Generation
- ddpm
- cv
Archives
- Today
- Total
목록Bayes Theorem (1)
Deeper Learning

조건부 확률 사건 B가 일어난 상황에서 사건 A가 발생할 확률 베이즈 통계학은 조건부 확률을 사용한 통계학 베이즈 정리 사전 확률로부터 사후 확률을 구할 수 있다. 베이즈 정리는 불확실성 하에서 의사결정문제를 수학적으로 다룰 때 중요하게 이용된다. 전통적인 확률이 연역적 추론에 기반을 두고 있다면 베이즈 정리는 확률임에도 귀납적, 경험적인 추론을 사용한다. A는 관측을 통해 값을 알아낼 수 있는 대상이며, B는 불확실성 하의 계산 대상이라고 하면 B의 확률은 $P(B)$에서 $P(B|A)$로 변화하고, 베이즈 정리로 이 변화를 계산할 수 있다. 새로운 데이터가 들어왔을 때 앞서 계산한 사후 확률을 사전 확률로 사용하여 정보의 갱신을 통해 새로운 데이터의 정보를 반영한 갱신된 사후 확률을 구할 수 있다. ..
Statistics & Math
2021. 2. 1. 20:01