릿카직스

저비용 홀로그램

https://www.nature.com/articles/s41377-023-01375-0중국 Color LCD grating을 위치시켜서 color multiplexing임에도 수차보정과 시야각 확대를 이룸. https://opg.optica.org/ol/fulltext.cfm?uri=ol-49-8-1876&id=548520도쿄대 Optica Publishing Group opg.optica.org 핸드폰 액정에서 나오는 incoherent RGB 신호들 알고리즘적으로 잘 control해서 홀로그램 만드는거 https://patents.justia.com/patent/20200041958 U.S. Patent Application for HOLOGRAPHIC DISPLAY APPARATUS AND HO..

Volumetric Holography - 1

Research Report: Recent Advancements and Trends in Floating Type Volumetric Holographic DisplaysExecutive Summary:Floating type volumetric holographic displays represent a cutting-edge technology aiming to project true 3D images that appear to float in mid-air, visible without the need for special eyewear. This report investigates recent advancements and trends in this field, highlighting key br..

Power Iteration - 가장 큰 고윳값을 가지는 고유벡터

Power Iteration은 가장 큰 고유값에 해당하는 고유벡터를 찾는 극도로 단순한 방법이다.방법은 간단하다—어떤 초기 벡터를 설정한 뒤, 관심 있는 행렬과 반복적으로 곱하면 된다. 정말 이것뿐이다. 이 개념을 이해하면, 왜 이 방법이 구글의 페이지랭크(PageRank)부터 소셜 미디어의 "팔로우 추천"까지 다양한 곳에서 쓰이는지 바로 알 수 있다. 이 알고리즘은 너무나도 직관적이라 오히려 거칠어 보이지만, 특정 상황에서는 가장 효과적인 방법이다. 특히, 불필요한 복잡성을 제거하고 오직 가장 중요한 고유벡터만 찾고 싶다면 최고의 선택이 된다.1. Power Iteration이 중요한 이유범용성: 페이지랭크(PageRank)는 멱 반복의 대표적인 활용 사례다. 구글은 웹의 링크 구조를 거대한 행렬로 설..

채식주의자 - 몽고반점 -

머리아프다처제를 욕망하기에, 어떻게든 그녀와 연결고리를 만들고 그녀의 벽을 허물기 위해 M은 꽃을 매개로 그녀에게 모델을 제안한걸까.영혜가 채식주의자라는 사실은 그녀의 실존자체로서 존중받고 있나, 아니면 단지 ‘채식주의자’라는 단어로서, 그로인해 떠오르는 식물 풀떼기 따위의 사물과 단순연관되어 소비될뿐일까채식주의라는 것 - 생생한 꿈 - 어쩌면 그 한단어로 그사람을 카테고리화하고 소비하고 판단하는 자체가 폭력?비단 채식주의자에 해당하는것이 아니다. 성소수자 조현병 장애 진보 보수 진지충 무슨충과 같은 단어로 상대를 소비?하는습관의 정당성을 묻게되는.내가 그녀가 멘헤라임을 그녀의 실존으로부터 이해하려 했던것인가, 멘헤라임을 소비하는데에 그쳤던것인가

PyTorch Loss 및 Optimizer 정리

PyTorch를 사용하여 모델 학습 시 중요한 두 가지 개념은 **손실 함수(Loss Function)**와 **최적화 함수(Optimizer)**입니다. 이 두 가지가 어떤 역할을 하고, 어떻게 사용하는지 간단히 정리해 보겠습니다.1. 손실 함수 (Loss Function)손실 함수는 모델의 출력과 실제 값 간의 차이를 계산합니다. 예를 들어, 아래는 평균 절대 오차(Mean Absolute Error, MAE)를 정의한 식과 이를 PyTorch에서 클래스로 구현한 코드입니다:평균 절대 오차 (MAE)PyTorch에서 MAE 구현class Loss(torch.nn.Module):    def __init__(self):        super().__init__()    def forward(self,..