전체 글 (644) 썸네일형 리스트형 캡스톤 : 아두이노간 블루투스 통신 #include #define BT_RX 8 #define BT_TX 7 SoftwareSerial HM10(BT_RX, BT_TX); // RX핀(7번)은 HM10의 TX에 연결 // TX핀(8번)은 HM10의 RX에 연결 void setup() { Serial.begin(9600); HM10.begin(9600); } void loop() { if (HM10.available()) { Serial.write(HM10.read()); } if (Serial.available()) { HM10.write(Serial.read()); } } 소스는 양 아두이노간 똑같다 여기서 주의해야할점은 SIRIAL AT 명령어로 설정하는 것이다 기본적으로 두 모듈의 이름은 동일해야하므로 AT+NAMEXXXX -> XX.. 캡스톤 : 안드로이드 개발 https://youtu.be/-ZQtsYEFtlE 간단한 회원가입 및 시각장애인을 위한 버튼을 눌럿을시 지팡이에게 신호를 보낼 버튼 개발 cafe 24Device 이용 php, db 연동 G6에 진동기능 넣었지만 되지않음(오레오 8.0 부터 된다는 source로 해도 안됨.) 앞으로 추가할 기능 진동기능 블루투스 연동기능 캡스톤 : 블루투스 AT 명령어들 여기서 궁금한점은 하나의 아두이노에 여러개의 블루투스 모듈을 연결할경우 AT설정을 어케 바꾸냐고 하는것이다. 현재 생각은 하나하나식 연결하면서 설정을 바꾸어준다음 소스적으로 통합하는 방법이 있을것 같다. hm-10은 신호세기를 측정할수잇음 hc-06은 신호세기는 지원안하는듯. -값으로 갈수록 가까운것 이것은 실험값을 통해서 설정해야할듯. 재료선정 : hm-10 2개 / hc-06 3개 / / 아두이노 우노 또는 나노 점프케이블 기타등등 추후 재료 추가할예정 캡스톤 : 회의 및 토론 캡스톤 주제 : 시지각 장애인을위한 스마트 지팡이 과제 설명 : 신호등과 보행자 도로와 자동차도로를 구분하여 지팡이 센서(진동,소리)등을 통해 현재 위치를 알려준다. 신호등 : 앞에서 블루투스와 페어링이되면 안드로이드 폰에서 소리로 빨간불 파란불을 알려준다. Device(스마트폰 : 앱)을 통해 지팡이 에서 부저를 울려 위치를 찾을 수 있다. 보행자도로에서 자동차도로를 갓을 경우 진동을 통해 현재의 위치를 사용자에 알려준다. 들어가는 기술: 블루투스 1:n 통신, 안드로이드 스튜디오, 아두이노, DB, 문자메세지넣을 꺼면(PHP) 필요한 재료 : hm-10 5개, 아두이노 우노 3개 , 지팡이, 신호등만들 재료, 모형 등. 예상 개발시간 : 일주일에 한번 개발 4시간 정도 투자 8~9주 예상 자료조사: .. tensorflow를 이용해서 binary 값 데이터 학습하기 오랜만에 포스팅하네요. 오늘은 카글이라는 사이트에서 대량의 데이터를 가져와서 tensorflow를 활용해 학습시키고 학습시킨 데이터가 얼마나 정확한지 확인해 보도록 하겠습니다. https://www.kaggle.com/ Kaggle: Your Home for Data Science www.kaggle.com 저는 당뇨병 환자의 수치에따른 값을 들고 왔어요~ 파일형식은 csv 파일 형식이고 M이면 악성 B이면 양성입니다. 파일을 float32형식으로 열려고하니깐 오류가 뜨더라고요 파싱하는것보단 B값과 M값을 숫자로 바꿔서 다루기 쉽게 접근해 보도록 하겠습니다. numpy 함수에 loadtxt라는 녀석을 이용해서불러온후 x_data y_data를 저장해줍니다 x_data = xy[:,2:] y_data = .. python::tensorflow 텐서플로우 객체를 만들고 이름을 출력하는 방법 import tensorflow as tf hello = tf.constant("Hi, TensorFlow") sess = tf.Session() print(sess.run(hello)) 텐서플로우 객체 생성후 사용법 import tensorflow as tf node1 = tf.constant(3.0, tf.float32) node2 = tf.constant(4.0) node3 = tf.add(node1,node2) print("node1:",node1, "node2:", node2) print("node3: ",node3) 객체이기 때문에 프린터 할수 없다 import tensorflow as tf node1 = tf.constant(3.0, tf.flo.. C++::BackPropagation (역전파) 만약 어떤 뉴런의 input x값과 output y 값을 알고 잇을때 어떤 W(가중치) 와 b(바이어스)를 넣어야지 원하는 y값에 도달하게 할수잇을까? w와 b에 임의값을 주어 원하는값을 찾는다는것은 거의 불가능 하다. 이때 필요한것이 backpropagation(역전파)라고 한다. E는 오류 함수라고 하는데 구하자고 하는 값을 Y target 이라 하고 현재 Y의 차이의 제곱을 2로 나눈값으로 정의 하고있다. E 와 W의 관계에 대한 그래프이다. 오류가 가장 적어지게 하는 W값이 어느 구간에 존재할텐데 그 구간을 미분을 통해서 알수가 있다. 오류가 작아지는 방향으로 W를 갱신 하다보면 원하는 값에 도달할수 있다. 이때 알파 값은 접근하는 속도인데 그 값이 너무 크다면 오류값의 계산에 오류가 생길 것이고.. C++::Artificial Neural Network(인공신경망) 인공신경망이란?인공신경망이란? 인공신경망이란? 인간은 뇌는 수많은 뉴런으로 구성되고 뉴런과 뉴런사이에서는 시냅스의 결합으로 네트워크를 구성하게된다. 인공신경망은 이러한 뉴런에 영감을 얻어 만들어 졌다. 위쪽은 사람의 뇌를 이루는 뉴런이라는 단위이고 아래쪽은 인공 뉴런을 모형화 한것이다. 입력 x값과 b값을 더한값은 sigam 값이 되고 Neuron 안쪽의 특정 함수를 지나 출력 y 값이 구해진다 인공신경망이 서로 얽혀서 복잡한 구조를 이루어진다. Neuron 안쪽은 sigma 라는 값과 함수로 이루어지는데 sigma는 W*X + b 로 이루어지는데 weight(가중치) 와 biass 의 조합으로 이루어진다 이제는 C++로 간단하게 인공 신경망을 구성해 보도록 하겠다. #include using names.. 이전 1 ··· 50 51 52 53 54 55 56 ··· 81 다음
