[물리용어]용어정리

Inertia Tensor 관성 탄성
linear Velocity 선형 속도
angular Velocity 각속도
inverse Mass 역 질량
linear Factor 선형 계수
gravity 중력
gravity acceleration 중력 가속도
Inertia Local 지역 관성
total Force 총 힘
total Torque 총 회전력
linear Damping 선형 감폭
angular Damping 각도 감폭
additional Damping 추가 감폭
additional Damping Factor 추가 감폭 계수
additional Linear Damping Threshold 추가 선형 감폭 임계값
additional Angular Damping Threshold 추가 각도 감폭 임계값 
additional Angular Damping Factor 추가 각도 감폭 계수

댓글

댓글 쓰기

이 블로그의 인기 게시물

[gpt/gpt와 대화/번역]이미지생성형ai와 인공지능에 대하여

이미지
요즘 이미지 생성 AI의 문제점에 대해 이야기하고 싶습니다. 가능합니까? 영어로 대답하십시오. 네, 오늘날 존재하는 이미지 생성 AI(인공 지능)의 문제를 논의하는 것은 확실히 가능합니다. GAN(Generative Adversarial Networks)이라고도 하는 이미지 생성 AI는 최근 몇 년 동안 상당한 발전을 이루었으며 멋진 이미지, 애니메이션 및 전체 비디오를 만드는 데 사용되었습니다. 그러나 아직 해결해야 할 몇 가지 과제가 있습니다. 한 가지 주요 문제는 GAN 학습에 사용되는 데이터에 존재할 수 있는 편향입니다. 교육 데이터가 전체 모집단을 대표하지 않거나 편향이 포함된 경우 결과 AI 생성 이미지도 편향될 수 있습니다. 이는 AI가 생성한 이미지를 사용하여 개인을 식별하는 안면 인식과 같은 영역에서 차별적인 결과를 초래할 수 있습니다. 이미지 생성 AI의 또 다른 문제는 악의적인 사용 가능성입니다. 예를 들어 GAN을 사용하여 가짜 이미지나 동영상을 만드는 딥페이크 기술은 사이버 괴롭힘, 신원 도용 또는 정치적 조작에 사용될 수 있습니다. 또한 GAN 교육을 위한 컴퓨팅 요구 사항이 엄청날 수 있으므로 소규모 연구 팀이나 개인이 이러한 AI 모델을 개발하기가 어렵습니다. 이로 인해 소수의 강력한 조직만이 이러한 기술의 개발을 만들고 제어할 수 있는 리소스를 가지고 있는 상황이 발생하여 잠재적으로 AI 개발에 있어 권력의 집중과 다양성 부족으로 이어질 수 있습니다. 요약하면, 이미지 생성 AI는 최근 몇 년 동안 인상적인 발전을 이루었지만 여전히 해결해야 할 몇 가지 문제가 있습니다. 대표적이고 편견 없는 교육 데이터를 보장하고, 악의적인 사용을 방지하고, 이러한 기술 개발의 다양성을 촉진하는 것은 모두 미래에 AI를 책임감 있고 윤리적으로 사용하기 위한 중요한 단계입니다. 그렇다, 크레이터, 특히 저작권 문제에서 자유로울 수 없다. 게임을 위한 리소스 제작에 사용 정도를 고려하는데, 이 경우 저작권 문제에 대한 명확성 부족이 사용성에 큰 문제...
자세한 내용 보기

[문화콘텐츠제작] 모바일 앱콘텐츠 UI/UX 디자인-이광훈

이미지
UX: 유저경험은 단순 분야가 아니라 어디에나 사용자의 경험을 분석하는것. 완벽은없으며, 지속적으로 개선이 필요함. 아무리 좋은기술도 좋은 경험을 주지 못한다면 성공하기 어렵다. 사용자는 돈을 내고 경험할것이라는 기대는 하지않는 것이 좋음. 빈술집이론: 아무리 상품이 좋아도 유저가 없으면 사람이 모이지않음. 디자인띵킹: 기술 고든서클이론: 과녁에 중간. 사용자를 들여다보면 BM이 보인다. FGI 컨셉수용도: 타겟고객층의 만족도? 고객이 이해하지못함. Cognitive Walkthrough: 인지적시찰법, 분석하고 싶어하는 매뉴를 특정해서 분석 자신이 직접 사용을 해보며  qa처럼 기능을 테스하는 것이 아니라 사용을 해보면서 문제점을 찾기. 페르소나: 고객정보를 가상으로 프로필을 적어보는것? 이름을 적을때 이름을 보고 사람의 과거나 상태를 떠올릴수있는것으로 매칭하기. 린생산방식 경험맵- 단점분석용 사용자 분석: 리서치, 모델링: 페르소나, 경험맵 환경분석: 시장,경쟁 시나리오분석-장점위주 분석-서비스컨샙-디자인-사업화 Affinity Diagram(친화도법) 사용자 시나리오작성 분석-어피니트다이어그램-서비스컨셉-서비스시나리오-I.A-스토리보드-GUI 시나리오 작성법: 서술형(기반),구문형,이용흐름형,스토리보드형 사용자-동기-행동-요구해결 플랫폼 사업의 특징 -사용자 (수요자/구매자/사용자/공급자) -AirBnB(방이용/방빌림) 수요자가 먼저신청하고 공급자가 검토하고 허용하는 방식 어피니티다이어그램 -강사는 포스트잇추천(디지털도 시도해보았으나 포스트잇 선호함) 키워드기록-연관성,의존성에 따라 분류-분류한헤더이름작성-유사한헤더그룹화-결론도달 슬라이드마스터 사용하기 User Quadrant 그리기:  https://cacoo.com/ 앱프로토타입:  https://overflow.io/ 데이터드리븐: Social Graph(무료),타블로,퀄트릭스. (데이터드리븐 수집도구) 사용자관점 1. 가치관이 같은사람: 카카오(플렛폼사용자) 2. 역량기반...
자세한 내용 보기

[유튜브요약/제미니]뇌과학자가 말하는 국대급 뇌의 비밀 | aMCC - 장동선의 궁금한뇌

링크: ttps://www.youtube.com/watch?v=8GpxInQwBU4  뇌과학 연구 결과, 어려움을 극복하고 목표를 달성하려는 노력은 우리 뇌의 '전측 대상회피질 (aMCC)'이라는 영역을 강화시킵니다. 이 영역은 마치 뇌의 예산 부서와 같이, 우리가 어떤 일에 얼마나 많은 에너지를 투자할지 결정하는 중요한 역할을 합니다. 어려움을 극복하는 과정에서 aMCC가 강화되는 이유는 다음과 같습니다. 뇌의 연결 강화: 어려운 일을 해낼 때마다 뇌는 새로운 연결을 형성하고 기존의 연결을 강화합니다. 이는 마치 근육을 단련하듯 뇌를 단련하는 효과를 가져옵니다. 자기 효능감 증가: 어려움을 극복하고 목표를 달성하면 '나도 할 수 있다'는 자신감이 생깁니다. 이는 다음 어려움에 직면했을 때에도 도전할 수 있는 용기를 줍니다. 긍정적인 피드백 루프 형성: 한 번 성공 경험을 하면 뇌는 더 큰 보상을 기대하게 됩니다. 이는 다음 목표를 향해 더욱 노력하도록 동기 부여합니다. aMCC가 강화되면 얻을 수 있는 효과는 다음과 같습니다. 더 강한 의지력: 어려운 상황에서도 포기하지 않고 목표를 향해 나아갈 수 있습니다. 높은 집중력: 목표 달성을 위해 필요한 일에 집중하고 다른 유혹을 뿌리칠 수 있습니다. 뛰어난 문제 해결 능력: 새로운 문제에 직면했을 때도 창의적인 해결 방안을 찾아낼 수 있습니다. 회복 탄력성 증가: 실패에도 좌절하지 않고 다시 일어설 수 있는 힘을 얻습니다. 결론적으로, 어려움을 극복하는 과정은 단순히 목표를 달성하는 것을 넘어 우리 뇌를 더욱 발전시키는 기회입니다. 뇌과학 연구는 어려움을 극복하는 것이 단순한 인내심이 아닌, 뇌의 구조적 변화를 가져온다는 것을 보여줍니다. 따라서 어려움을 두려워하기보다는, 이를 통해 성장할 수 있는 기회로 삼아야 합니다.
자세한 내용 보기