Linear Equation 기반 Weight 최적화를 통한 AI 신경망 설계 핵심 분석
Why y=mx+b is the heart of AI
Reward-based Gradient Descent를 통한 NN 행동 최적화 구현
Understanding Reinforcement Learning with Neural Networks Part 6: Completing the Reinforcement Learning Process
Policy Gradient 기반 Reward-Bias 업데이트를 통한 행동 최적화 구현
Understanding Reinforcement Learning with Neural Networks Part 5: Connecting Reward, Derivative, and Step Size
Deterministic Initialization 통한 62.3% Sparsity 달성 및 모델 최적화
Stop Guessing Which Weights Your Neural Network Actually Learned: Deterministic Initialization That Tracks Every Change
Zero-dependency 커널 기반 Quantum-AI-UI 통합 렌더링 파이프라인 구현
Quantum Decoherence + AI Drift Prediction + JML UI Rendering
Matrix Multiplication 기반 Neural Network의 구조적 변환 원리 분석
Matrix Multiplication: Transforming Data Into Meaning
IEEE-754 비트 조작과 근사 함수를 통한 tanh 연산 최적화
Approximating Hyperbolic Tangent
Compute-in-Memory 설계로 파라미터 처리 용량 10배 이상 확장한 AI 오디오 칩
Anker made its own chip to bring AI to all its products
Bigram 모델의 Counting 방식과 NN 접근법의 수학적 동일성 증명
My Notes on Karpathy's Makemore part 1: Building a Bigram Language Model from Scratch
AI가 개발자를 대체하지 못하는 물리적·수학적 한계 분석
AI Will Replace Programmers. Are You Sure About That?
Decision Tree의 해석력과 Neural Network의 표현력을 결합한 Deep Neural Decision Trees
Deep Neural Decision Trees
Attention 메커니즘에서 Cosine Similarity 대신 Dot Product를 선호하는 이유와 그 실무적 근거
Cosine Similarity vs Dot Product in Attention Mechanisms