💻 STUDY

논문 링크https://share.google/23LvUEkOosef6zq68 01. 기존의 협업 필터링 기반 모델 a. 목표 : 개인화된 추천 제공을 목적으로 사용자 선호 정보를 활용하자 b. 방법 - matrix factorization (행렬 분해) 방법 - neighbourhood models - Rating-based Collaborative Filtering - 사용자 벡터 : r(u)=(Ru1​,Ru2​,…,Run​)∈Rn ( u∈U={1,…,m} ) - 아이템 : r(i)=(R1i​,R2i​,…,Rmi​)∈Rm ( i∈I={1,…,n}i \in I = \{1, \dots, n\}i∈I={1,…,n} ) 02. Autoencoder: ..

논문 링크 https://www.semanticscholar.org/paper/Implementation-of-DNN-based-real-time-voice-and-its-Arakawa-Takamichi/fd5d3be9e8e293cce5b56f55de37af3d9734e0f4 www.semanticscholar.org DNN 기반의 voice conversion system: 3가지 단계 (Analysis → Conversion → Synthesis)를 거쳐 시스템 구현 [ 자세한 시스템 구조 ]1. Analysis입력 음성에서 Mel-Cepstral Coefficients, 음력, 전력, 추출FFT Mel-Cepstral Coefficients 분석 ⇒ 고성능 스펙트럼 분석기 사용으로 인한 높은 계산량..

from xgboost.sklearn import XGBRegressorfrom sklearn.model_selection import GridSearchCVparam_grid ={ 'n_estimators' :[50,100,200], 'learning_rate':[0.01,0.1,0.3], 'max_depth':[3,5,7], 'subsample':[0.7, 1.0], 'colsample_bytree':[0.7,1.0] }model = GridSearchCV( estimator=XGBRegressor(random_state=111), param_grid= param_grid, scoring= 'neg_root_mean_squared_error', c..