BBong's Story

Lecture 11: Artificial neural networks (ANNs), backpropagation, representation learning. Graph neural networks (GNNs). Distributed neural networks. Case studies to social systems, systems biology & computer systems research강의 개요이번 강의는 딥러닝의 주요 개념인 Deep Neural Networks (DNNs), Recurrent Neural Networks (RNNs), Graph Neural Networks (GNNs)를 다룬다. 주요 초점은 각 모델의 구조, 학습 알고리즘, 그리고 대표적인 응용 사례에 맞춰져 있다.1. M..

Lecture 10: Fractional difference operators. Single variable autoregressive fractionally integrated moving average (ARFIMA) & multi-variate ARFIMA models. Applications to physiological processes, brain activity mining, and brain-machine interfaces 강의 개요이 강의에서는 Fractional Calculus (FC)의 개념과 Fractional Difference Operators를 탐구하며,ARFIMA (Autoregressive Fractionally Integrated Moving Average) 모델의 수학..

Lecture 8: Graphon definitions & Multifractal graph generators: definitions, mathematical properties, controlling multifractality of weighted graphs / networks. Case studies in living (biological) neuronal networks from neuronal cultures and brain, chromatin conformation, material sciences 강의 개요이번 강의는 Graphons의 정의와 수학적 성질, 그리고 Multifractal Graph Generators의 개념과 응용을 다룬다.특히, Graphons를 활용하여 대규모 네트워..

Lecture 6: Detecting phase transition in time-varying weighted graphs from partial information: Forman-Ricci Curvature, phase transition detection algorithms, case studies and applications강의 개요이번 강의에서는 Forman-Ricci Curvature (FRC)를 중심으로, 시변 네트워크(Time-Varying Networks)에서의 구조적 변화와 상 변화 탐지(Phase Transition Detection)를 다룬다.FRC의 정의, 계산법, 주요 특성, 그리고 다양한 응용 사례를 상세히 살펴본다.1. Forman-Ricci Curvature (FRC)F..

Lecture 5: Differential Geometry of Networks:Ollivier-Ricci curvature, community detection, applications. Implications for automatic parallelization of software and hardware-soft-codesign, machine learning and artificial intelligence.강의 개요이번 강의는 네트워크의 기하학적 구조 분석을 위한 미분 기하학(Differential Geometry)와 Ollivier-Ricci Curvature (ORC)에 초점을 맞춘다.ORC는 그래프의 곡률을 정의하여 네트워크 커뮤니티 탐지와 정보 전달 메커니즘을 이해하는 데 사용된다.주요 ..

강의 개요이번 강의에서는 Node-based Multifractal Analysis (NMFA)의 개념과 방법론을 다룬다.NMFA는 네트워크의 복잡성과 다중 스케일 특성을 분석하며, Watts-Strogatz 네트워크의 위상 전이와 다양한 응용 가능성을 탐구한다.1. Fractal Analysis프랙탈 정의프랙탈은 자기유사성을 가지며, 각 부분이 전체의 축소된 버전으로 간주된다.프랙탈 차원 계산Box-counting 방법을 통해 프랙탈 차원을 계산하며 다음 관계를 따른다:여기서 은 크기 의 박스 수를 의미한다.네트워크에서의 프랙탈 분석Renormalization과 Box-covering 방법을..

Multifractals와 Multifractal Analysis 개요이 강의에서는 Multifractal 이론과 그래프의 고차 통계 분석을 다룹니다. 주요 내용은 다음과 같습니다:     1. Multifractal의 정의와 특성     2. Hierarchical Resistor Network (HRN) 모델     3. Mass Exponent와 Generalized Fractal Dimension     4. Lipschitz-Hölder Exponent와 Multifractal Spectrum     5. Multifractal Detrended Fluctuation Analysis (MFDFA)     6. 복잡한 네트워크에서의 Multifractal 분석  1. Multifractal의 개념..

1. 그래프 정의와 유형그래프 (Graph)그래프 는 다음으로 구성:: 노드(정점) 집합: 엣지(간선) 집합 ()그래프 유형Undirected / Directed: 방향 없는 그래프와 방향 있는 그래프Unweighted / Weighted: 가중치 없는 그래프와 가중치 있는 그래프Homogeneous / Heterogeneous: 동일 노드 구성 / 다양한 노드 구성Labeled / Attributed: 노드나 엣지가 레이블 또는 속성을 가짐2. 그래프 메트릭스Degree (차수)노드에 연결된 엣지의 수IN Degree: 노드로 들어오는 엣지 수OUT Degree: 노드에서 나가는 엣지 수Closeness Centrality (근..

Lecture 1: Introduction and discussion of project topics 강의 개요 이번 학기에는 USC의 Paul Bogdan 교수님이 가르치는 EE 599: Data Science: Models and Systems 수업을 들었다.첫 강의에서는 강의의 전반적인 내용, 프로젝트 주제, 그리고 데이터 과학의 기초에 대해 소개를 받았다. 강의 주요 내용 1. 수업 정보 • 교수님: Paul Bogdan • 이메일: pbogdan@usc.edu • 연구 분야: Cyber-Physical Systems, Multiprocessor Systems-on-Chip, Machine Learning 등  2. 강의 목표 • 새로운 관점으로 과학 및 공학 문제를 분석하고 해결할 수 있도록 창..

토론토 5일차 - 여행의 마지막, 그리고 새로운 시작오늘은 여행 마지막 날! 이 글을 쓰는 지금, 나는 포터 에어라인의 비행기 안에서 토론토를 뒤로하고 LA로 향하고 있다.다른 건 다 평범한 항공사지만, 와이파이가 빵빵한 건 정말 큰 장점.이런 환경 덕분에 여행 마지막 날의 추억을 바로 정리할 수 있다니, 편리하다. 늦은 아침, 그러나 허투루 보내지 않은 시간 전날 너무 늦게 자는 바람에 아침 일찍 일어나지 못했다. 9시가 조금 넘어서야 겨우 기상.하지만 마지막 날이라고 대충 보낼 순 없지! 서둘러 10시쯤 체크아웃을 하고 호텔 로비에 짐을 맡긴 후,토론토 시청 앞의 “TORONTO” 간판을 보러 나섰다. 가는 길에 어제 들렀던 **Tim Hortons(팀 호튼스)**에 잠시 들러 간단히 아침을 해결했다..