AgingCurve

기존의 노트북 파일을 python으로 모듈화 하였음. 정제된 CSV로 구축하는 모듈, EKF를 구현한 모듈, EKF를 적용한 모듈 이렇게 나누었다. 각각을 프로파일링 하기 위해서 python의 표준 라이브러리 pstat과 비 표준 라이브러리인 line_profile을 사용하여 프로파일링 해보았다.각각의 출력이 상당하기 때문에 stream을 파일로 저장하도록 구현한 몇가지 스크립트를 공유함.import pstatswith open("profile_log.txt", "w", encoding="utf-8") as f: p = pstats.Stats('profile.stats', stream=f) p.sort_stats('cumulative') p.print_stats()import sysim..

프로파일링은 프로그램이 실행되는 동안 어디서 얼마나 시간이 소요되는지, 자원이 얼마나 소모되는지를 실제로 측정해 분석하는 작업이다. 코드를 눈으로 읽어서 여기가 느릴 것 같다고 추측하는 것이 아닌, 실제로 돌려보면서 데이터로 확인하는 작업이다. 이러한 프로파일링을 통해 병목지점을 찾아서 최소한의 노력으로 성능을 크게 끌어올릴 수 있다. 즉, 최소한의 노력으로 실용적인 결정을 내릴 수 있음. 게다가, CPU뿐만 아닌 측정가능한 모든 자원을 프로파일링 할 수 있다. CPU시간과 메모리 사용량에 대해 중점적으로 살펴보고 이후 네트워크 대역폭 및 디스크 IO측정에서 비슷한 기법을 적용할 수 있음. 물론 문제가 되는 지점을 추측하여 수정할 수도 있지만 대부분의 경우 엉뚱한 코드를 고치는 일이 다반사이다. 감에 ..

MSCLAM 데이터 셋을 이용해서 임베디드 챌린지의 모듈 테스트를 구현중이다.https://github.com/n3w-born/EKF_in_MRCLAM[GitHub - n3w-born/EKF_in_MRCLAM: for accuracy path follow in autonomous navigated ESfor accuracy path follow in autonomous navigated ES - n3w-born/EKF_in_MRCLAMgithub.com](https://github.com/n3w-born/EKF_in_MRCLAM)우선 해결하고 싶은 문제는 로봇이 정확히 어디에 있는지를 알고싶어한다. 하지만, 정보의 부재 및 물리적 제한으로 인해서 정확한 위치를 알기 어렵단 문제가 있음 따라서 바퀴 센서와..

Context Window의 개념과 이를 줄이기 위한 방안에 대해서 학습했다.단순히 프롬프트를 잘 쓰는 것보다, 모델에 들어가는 토큰 전체를 어떻게 관리할것인지에 대한 패러다임 시프트..기존에 Prompt Eng 에서는 좋은 지시문 작성에 집중했다면, Context Eng는 System prompt + tools + memory + message history + 외부 데이터 등의 전체 context 상태를 설계 및 관리한다.이는 Transformer의 구조적 한계에 기인하는데, n개의 토큰이 있을 때 Attention은 $n^2$쌍이 필요하다. 따라서 토큰이 늘어날 수록 attention이 분산되어 정보 회상 정밀도가 떨어지는 Context Rot이 발생한다. 따라서 context는 무한정 쌓는 것이 ..

Path Plaanning센서 기반의 로봇의 환경 인지후 현위치로부터 타겟에 도달하도록 실행가능한 경로를 계획하는것이 필수적임. 이에 대해선 다양한 알고리즘들이 존재함. 전통적인 방법인 ($A^*$, Dijikstra), AI 기반의 방법(RL, 유전알고리즘), 그리고 이들을 결합합 방법등이 있음. 더 나아가서 기하학적 방법인 Artificial Potential field(APF), Random Sampling, Bio-Inspired Methods도 있음.기하적 모델 탐색 방법기하학적 모델 탐색 방법은 초기 경로 계획 알고리즘 중 하나로, 이러한 방법들은 일반적으로 문제 탐색 공간에 대해 특정 조건이 충족된다고 가정한다. 예를 들어 A*, Dijikstra알고리즘은 가중치 그래프에서 최단 경로를 찾는..

기존의 LIS를 구할때와 다르게 tails 배열을 유지하는데, tails[i]는 길이 i+1인 증가 부분수열의 가능한 가장 작은 마지막 원소를 의미한다. 이를 기반으로 정렬된 tails 배열을 일종의 보조 배열로 삼아 이에 대해 이분탐색을 수행하여 시간복잡도를 O(nlog n)으로 줄이는 테크닉이다.

0-1 격자 그래프를 이용한 BFS탐색을 공부하였음. dx, dy테크닉을 이용한 방법 및 cpp 의 stl container 라이브러리를 활용한 다양한 구현을 수행하였다.또한, 이를 기반으로 위상정렬, 플로이드 워셜, 다익스트라 알고리즘을 이용해서 다른 방법으로도 풀어보았다.

Orthogonal Range Searching(직교 범위 탐색)은 2-Dimension(Linear Algebra Concept) Universe Set $U \times U$에서 n개의 distinct한 point들이 있다고 하자. lookup($x_1, x_2, y_1, y_2$)를 rectangle range$[x_1, x_2] \times [y_1, y_2]$ 에 속한 모든 point 를 return하는 operation으로 정의한다. 즉, lookup($x_1, x_2, y_1, y_2$)은 $x_1 \leq x \leq x_2$, $y_1 \leq y \leq y_2$ 를 만족하는 모든 point (x, y)를 return하는 operation이다.여기서 우리가 살펴볼 problem은 loo..

시간복잡도, 공간복잡도를 줄이는 순서로 알아보자. 문제에 대한 설명은 다음과 같다.물품의 수 $N$, 무게 한도 $K$가 주어지고, 각 물품의 무게와 가치가 주어짐. 한 줄에 배낭에 넣을 수 있는 물건들의 가치합 최대를 출력 GreedyGreedy하게 풀고싶지만, 당장 생각해봐도4 76 134 83 6...이 주어지면 무게/가치를 기준으로 판단해도 6 13만이 들어오게 되어 local solution에 갇히게 됨을 알 수 있다. 따라서 완전탐색을 수행해야함을 알 수 있다. Complete Search#include #include #include std::vector> knapsack; int N, K; int sol(int position, int room, int value) { i..

주어진 board에서 BFS를 수행하여 모든 노드를 탐색하는 반복횟수를 출력하는 문제임.BFS를 가정하여 각 노드에서 탐색 종료 조건을 node의 elem이 1인 경우로 바꾸면 가장 긴 path를 찾는 문제로 바꿀 수도 있다. 물론 나는 그냥 재귀함수를 사용하지 않고 풀이 함수 로직 하나를 두고 그 함수 내에서 이중 반복문을 통해 inner에서는 현재 위치를 기반으로 탐색 가능한 위치를 다음 세대 큐에 집어넣는 역할로, outer에서는 현재 탐색가능한 위치를 담은 큐를 다음세대 큐로 복사하는 역할로 반복횟수를 count하기만 한다.#include #include #include using namespace std;int dx[4] = {-1, 0, 0, 1};int dy[4] = {0, 1, -1, 0}..