본문 바로가기

분류 전체보기111

블록체인의 현실세계에서의 영향력 : 부동산, 예술, 게임, IoT 과의 관계 블록체인 기술은 암호화폐에 기원을 둔 것을 훨씬 넘어 다채로운 노력을 통해 혁신적인 힘으로 등장했습니다. 알려지지 않은 투명성, 보안 및 효과를 제공함으로써 블록체인은 부동산, 예술, 게임 및 효과 인터넷(IoT)과 같은 다양한 부문에 혁명을 일으키고 있습니다. 본 포스팅은 이러한 분야에 대한 블록체인의 심오한 영향을 탐구하여 판매 프로세스를 강화하고 진정성을 보장하며 새로운 비즈니스 모델을 촉진하는 방법을 강조합니다. 부동산 거래의 변화 전통적으로 긴 프로세스, 높은 매각 비용 및 투명성 부족으로 특징지어지는 부동산 성실성은 블록체인 기술로부터 막대한 이익을 얻을 수 있습니다. 블록체인은 부동산 거래를 단순화하고 간소화하며 부동산 거래 내역 및 이전 내역을 기록하기 위한 안전하고 투명하며 변조된 증거 .. 2024. 5. 15.
블록체인 기술은 어떻게 금융을 혁신시키는가: DeFi의 부상, 금융보안과 결제 간소화 이전 포스팅 들에서 블록체인의 개념과 동작원리에 대해 알아봤다면, 블록체인 기술이 어떻게 금융 산업을 변화시키고 있는지를 알아보겠습니다. 블록체인은 국경 간 결제를 효율화하는 것에서 탈중앙화 금융(DeFi) 플랫폼을 가능하게 하는 것에 이르기까지 금융 거래 방식을 재구성하고 있습니다. 본 포스팅에서는 블록체인이 어떻게 금융을 혁신하고 있는지 살펴보고 특히 국경 간 결제에서의 역할, 탈중앙화 금융의 부상 및 금융 보안 개선에 중점을 둘 것입니다. 국가 간 결제 간소화 국경 간 결제는 전통적으로 높은 수수료, 긴 처리 시간 및 투명성 부족으로 어려움을 겪었습니다. 블록체인 기술은 보다 효율적이고 비용 효율적인 설루션을 제공함으로써 이러한 문제를 해결합니다. 이러한 혁신의 핵심에는 중개자가 필요하지 않은 블록.. 2024. 5. 15.
가상 자산의 이해 : 블록체인과 코인 그리고 토큰 가상 자산의 등장은 디지털 지리학을 상당히 전환시켰고, 새로운 형태의 가치 교환과 투자를 도입했습니다. 가상 자산은 암호 화폐, 기념품, 디지털 수집품을 포함한 광범위한 디지털 현실을 포함하며, 이 모든 것은 블록체인 기술에 의해 유지됩니다. 하지만 여전히 "블록체인", "코인", "토큰"이라는 용어는 자주 혼용되어 혼란을 초래하는데, 본 포스팅에서는 이러한 일반성을 명확히 하고 가상 자산 생태계 내에서 그들의 차이점과 상호 연관된 위치를 탐색하는 것을 목표로 합니다. 블록체인: 가상자산의 기반 이전 포스팅에서 다루었듯이 블록체인 기술은 모든 가상 수단의 중추입니다. 블록체인의 핵심은 컴퓨터 네트워크에 걸쳐 거래를 기록하는  분산된 집계입니다. 블록체인은 거래 목록을 포함하는 일련의 블록을 통해 작동합니.. 2024. 5. 15.
블록체인의 기본개념과 동작방식 : 분산원장, 해시함수, 포크 블록체인 기술은 새로운 수준의 투명성, 보안 및 효율성을 제공하며 다양한 산업에 혁명을 일으켰습니다. 그 핵심은 등록된 거래를 소급하여 변경할 수 없도록 많은 컴퓨터에 걸쳐 거래를 기록하는 분산 원장입니다. 블록체인의 작동 방식을 이해하려면 분산 원장, 해시 함수 및 포크를 포함한 몇 가지 기본 개념을 이해하는 것이 필요합니다. 본 포스팅에서는 블록체인을 이해하기 위한 주요 구성 요소들에 대한 개념과 함께 블록체인의 기본적인 개념과 동작방식을 설명해 보겠습니다. 분산원장: 블록체인의 중추 분산 원장은 여러 사이트, 기관 또는 지역에 걸쳐 동의하에 공유되고 동기화되는 데이터베이스입니다. 분산 원장은 중앙 집중식인 기존 데이터베이스와 달리 중앙 기관이나 중개 기관이 필요하지 않습니다. 우리가 기존의 금융시스.. 2024. 5. 15.
고유값(eigenvalue) 고유벡터(eigenvector) 고유값, 고유벡터란?어떠한 행렬 A에 대해서, 그 행렬을 일종의 함수라고 생각했을때 해당 함수를 거쳐도 방향이 바뀌지 않고 크기만 바뀌는 어떠한 벡터가 eigencevtor 고유벡터이다.반면 해당 벡터가 상수배 된다고 했을때, 그 상수값이 eigenvalue 고유값이다. 고유값, 고유벡터 구하기고유값(eigenvalue)를 구하는 수식은 아래와 같다. (위에식을 정리한 같은 결과이다) 즉, A-λI 의 determinant 값이 0이 되게 하는 복수의 λ가 고유값(eigenvalue)이고,이때 A-λI 의 영공간(Null space ; 곱해서 0이 되게 만드는 해)가 고유벡터(eigenvector)이다. 따라서 고유값은 여러개일 수 있고, 하나의 고유값에 고유벡터는 무한개이다 (특정한 벡터로 표현할때는 .. 2023. 7. 4.
정보이론 - 엔트로피, KL-divergence, Mutual Information IndexEntropy엔트로피(entropy)란, '정보를 표현하는데 필요한 최소 자원량 기대값' → 이걸 bits (0과1)로 표현위키에서 표현한 엔트로피는 '각 메세지에 포함된 정보의 기대값' 혹은 불확실성이라고도 표현한다. 정보를 인코딩할 때 확률이 높은건 짧게, 확률이 낮은건 길게 코딩해서 정보를 최대한 적은량의 bits로 표현cf. 알다싶이 기대값은 확률×도수 이다. 엔트로피에서 도수는 자원량을 의미 엔트로피를 수식으로 표현하면 아래와 같다. 아래 수식의 기대값이 항상 최소값이라고 섀런이라는 사람이 증명함 (x가 continuous 하면 시그마는 ∫ , log는 ln으로 바뀜) - log 함수를 활용하여, 확률이 1에 가까울수록 도수가 0이 되고, 0에 가까울수록 1이 되는 모양 엔트로피는 p(.. 2023. 7. 4.
GAN - 2편 (DCGAN, cGAN) IndexDeep Convolutional GAN (DCGAN)GAN에 CNN을 적용한 모델로, generator가 vector arithmetic 속성을 가지고 있는게 특징인데, G의 input으로 사용되는 latent vector 안에서 연산을 함으로서 output으로 생성할 이미지를 어느정도 조정할 수 있다는 뜻이다.즉 어느정도 특정 요구사항에 맞춘 generate가 가능한 모델이다. G는 fractionally-strided 혹은 transposed convolution 방식을 활용해서 up-sampling을 진행한다. D는 Maxpooling 대신 stride를 통해 down-sampling 하고, FC Layer는 사용하지 않는다. (분류문제가 아니기 때문)G,D 모두 batch normali.. 2023. 7. 2.
GAN - 1편 (GAN 구조,학습,어려움) IndexGenerative Adversarial Network (GAN)Generative : 새로운 데이터를 생성해낸다. VAE는 기존의 input과 유사한 데이터를 생성했다면 GAN른 기존에 없는 새로운 데이터를 생성해낸다. Adversarial : Generator 와 Discriminator가 서로 경쟁적으로 G는 D를 속이기위한 데이터를 생성, D는 G의 fake 데이터를 골라내기위해 학습 즉 GAN은 이름 그대로 적대적인 생성 신경망으로 G와D가 적대적이면서도 서로를 보완해가며 새로운 질좋은 데이터를 만들어 내는, 대표적인 비지도학습이다. G는 생성한 fake sample이 real data에서 나온 척해서 D가 잘못판단할 확률을 maximize 하도록 학습한다.D는 Generator가 생성.. 2023. 7. 1.