선형변환2 [인공지능을 위한 선형대수] 고유값 분해와 선형변환 주재걸 교수님의 강의와 기타 교재를 참고하여 정리하였습니다. [LECTURE] 고유값 분해와 선형변환 : edwith 학습목표 드디어 이번 강의에서는 이제까지 우리가 배워온 개념을 토대로 고유값 분해에 대해 배워보겠습니다. 그리고 고유값 분해를 통한 선형변환의 과정을 다루겠습니다. 핵심 키워드... - 커넥트재단 www.edwith.org 고유값 분해 (Eigendecomposition) 𝑉𝐷 = 𝐴𝑉 • If 𝐴 is diagonalizable, we can write 𝐷 = 𝑉^(−1)𝐴𝑉. -> 대각행렬을 만들 수 있다는 것은 역행렬이 존재하다. 따라서 아래와 같은 식도 만들 수 있다. • We can also write 𝐴 = 𝑉𝐷𝑉^(-1). which we call eigendecomposit.. 2019. 10. 26. [인공지능을 위한 선형대수] 선형 변환 (Linear Transformation) 이 글은 주재걸 교수님의 edwith 강의를 기반으로 선형대수 개념을 정리하였습니다. 인공지능을 위한 선형대수 강좌소개 : edwith - 주재걸 교수 www.edwith.org Transformation 개념 Transformation Function Mapping Domain: 정의역 x Co-domain: 공역 y (함수의 출력값이 될 수 있는 결과값의 집합) Imange: 함수의 상 (output y given x) Range: 치역 (실제로 y 값으로 쓰이는 값) 함수의 특징 정의역은 하나의 화살표만 있어야 한다. 함수 값이 두 개 이상일 수 없다. the output mapped by a particular x is uniquely determined. -> 이 조건을 충족하지 않으면 함수(f.. 2019. 9. 7. 이전 1 다음
