달력

10

« 2019/10 »

2019.10.31 16:02

Scopoing Security/BlockChain


 

 

Scopoing

통상 일반적인 프로그래밍 언어에서 선언된 변수는 문법적 블록 내에서 유효합니다. 이에 반해 solidity 함수 내에서 선언된 변수는 함수 내에서만 scope 가집니다.

 

일반적인 프로그래밍 언어

solidity  언어

문법적 블록 내에서 유효

solidity 함수 내에서만 유효

 

 





'Security > BlockChain' 카테고리의 다른 글

제어 구조(Control structure)  (0) 2019.11.10
Scopoing  (0) 2019.10.31
hydra (히드라) 영문 문서  (0) 2019.10.15
간단한 스마트 계약의 예제  (0) 2019.10.08
Solidity 특징  (0) 2019.09.26
선언된 변수  (0) 2019.08.29
Posted by codedragon codedragon

댓글을 달아 주세요



 

 

Interceptor 수행 도식도

·         단일 interceptor 수행

·         다중 interceptor 수행

 

 

 

 

단일 interceptor 수행

Interceptor에는 3가지 콜백 메소드가 정의되어져 있습니다.

 


 

단계

설명

1

요청이 들어오면 Dispatcher servlet 통해 Interceptor 거치게 됩니다.

 

2

처음 요청이 들어오면 Interceptor preHandle() 수행하게 됩니다.

 

3

Controller 수행됩니다.

Controller 해당 로직을 수행한 결과를 postHandle() 전달합니다.

4

적절한 View통해 응답을 해주게됩니다.

5

응답 페이지가 출력됩니다.

6

Response 끝나면 afterCompletion() 수행됩니다.

 

 

 

 

 

 

다중 interceptor 수행

여러 개의 Interceptor 존재하는 경우 수행 순서


 


Posted by codedragon codedragon

댓글을 달아 주세요



 

 

확률론

확률을 수학적으로 정의하기 위한 개념

 

 

용어

설명

표본공간

·         sample space,

·         통계적 실험을 실시할 나타날 있는 모든 결과들의 집합

·         가능한 모든 표본의 집합

·         보통  Ω (대문자 오메가)라는 그리스 문자로 표기

표본공간을 정의한다는

·         우리가 고려하는 범위에서 어떤 표본(경우, 현상) 가능하고 어떤 표본이 가능하지 않은가를 정의하는 작업

사건

·         event

·         표본공간의 부분집합

·         표본공간  Ω 부분집합

·         전체 표본공간 중에서 우리가 관심을 가지고 있는 일부 표본의 집합을 뜻합니다.

·          "~ 나오는 경우"라고 말할 "경우"라는 개념이 바로 사건(부분집합) 해당됩니다.

·         보통  대문자 알파벳으로 표기합니다.

근원사건

·         사건 중에서 오직 개의 원소로만 이루어진 사건

n(E)

·         집합 E 있는 원소의

배반 사건

·         교집합이 공집합인 사건들

확률표본

·         probabilistic sample, random sample

·         확률표본 표본(sample)

·         풀고자 하는 확률적 문제에서 발생(realize) 있는 하나의 현상, 혹은 선택(sampled) 있는 하나의 경우

 

 



Posted by codedragon codedragon

댓글을 달아 주세요



 

 

NumPy random 서브패키지

random 서브 라이브러리

난수(random number) 발생시키는 함수를 제공합니다.

 

함수

설명

random.seed()

·         시드(seed) 설정

random.rand(num)

·         0부터 1사이에서 균일한 확률 분포로 실수 난수를 생성합니다.

·         num 인수로 받은 숫자 횟수만큼 난수를 발생시킵니다.

·         여러개의 인수를 넣으면 해당 크기를 가진 행렬을 생성합니다.

random.randn()

·         기댓값이 0이고 표준편차가 1 가우시안 표준 정규 분포를 따르는 난수를 생성합니다.

random.randint()

·         균일 분포의 정수 난수()

 

 

numpy.random.randint(low, high=None, size=None)

high 입력하지 않으면 0 low사이의 숫자를 난수로 생성하고, high 입력하면 low high 사이의 숫자를 난수로 생성합니다.

 

매개변수

설명

low

난수를 추출할 사용할 최소값

high

난수를 추출할 사용할 최대값

size

생성할 난수의 숫자

 

10부터 100까지의 범위 안에서 무작위로 숫자를 200 추출

randint(10,100, 200)

 

 


'Development > Python' 카테고리의 다른 글

WordCloud for Python  (0) 2019.11.02
오차 역전파 수행 과정  (0) 2019.11.01
NumPy의 random 서브패키지  (0) 2019.10.31
Jupyter - Password or token:, Token authentication is enabled  (0) 2019.10.30
pdb 명령어  (0) 2019.10.28
역전파 수식  (0) 2019.10.26
Posted by codedragon codedragon

댓글을 달아 주세요



 

Testing apps in Foldables (폴더블 테스트)

갤럭시 폴드에 앱이 어떻게 보여지는지 테스트 있습니다.

 

https://developer.samsung.com/galaxy/foldable/test



 



 

 

apk 설치

adb install FoldableEmulator.apk

 

 

 

 

권한 부여

PC: ~$ adb shell
AVD: /$ pm grant com.samsung.android.foldable.emulator android.permission.WRITE_SECURE_SETTINGS
AVD: /$ pm grant com.samsung.android.foldable.emulator android.permission.SYSTEM_ALERT_WINDOW

 

 


 

 

 

 

 

직접 다운로드

FoldableEmulator_1.01.apk

 

 

or

http://bit.ly/314uHI4

or

http://bit.ly/2MkOptC

 


Posted by codedragon codedragon

댓글을 달아 주세요


 

 

스캐터 플롯(scatter plot)

·       산점도 산포도(散布度)

·       여기저기 흩어진 모양의 그래프입니다.

·       x축과 y축에 해당하는 데이터의 상관관계를 표현할 때 사용하며 두 개의 축을 기준으로 데이터가 얼마나 퍼져있는지(분포) 알 수 있습니다.

 

·       2차원 데이터 즉, 두 개의 실수 데이터 집합의 상관관계를 살펴보고자 시각화합니다.

·       스캐터 플롯의 점 하나의 위치는 데이터 하나의 x, y 값입니다.

 

 

 

 

 

scatter()

x축에 해당하는 데이터와 y축에 해당하는 데이터를 각각 넣으면 그에 해당하는 산점도가 그려집니다.

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)

 

 

인자

설명

s

크기

c

색깔

 

https://matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.scatter

 

 

 


 

 

 

 

 

 

 

 

격자 표시하기

grid() 메소드는 인덱스마다 격자를 표시해 줍니다.

 

plt.grid(True)

 

 

 


 

 

 



Posted by codedragon codedragon

댓글을 달아 주세요


 

 

 

k-최근접 이웃 알고리즘 단계

 

단계

설명

1

·         기존의 데이터와 새로운 데이터를 비교합니다.

2

·         새로운 데이터와 가장 인접한 데이터 k개를 선정합니다.

3

·         k개의 데이터가 가장 많이 속해있는 분류를 선택합니다.

·         이상의 이웃을 선택할 때는 테스트 데이터 하나에 대해 분류 0 속한 이웃이 개인지, 그리고 분류 1 속한 이웃이 개인지를 셉니다. 그리고 이웃이 많은 분류를 지정합니다.

4

·         k 값에 의해 결정된 분류를 새로운 데이터의 분류로 확정합니다.

 

 

 

 

 

 


x라는 점을 기준으로 2개의 최근접 점을 찾을 (k=2) 영역의 너비 h 넓으면 확률이 작은 것으로 너비 h 작으면 확률이 것으로 인식할 있습니다.

 

 


'Development > Big Data, R, ...' 카테고리의 다른 글

확률론  (0) 2019.10.31
스캐터 플롯(scatter plot)  (0) 2019.10.31
k-최근접 이웃 알고리즘 단계  (0) 2019.10.30
클러스터(cluster), 군집(Clustering), 군집 예  (0) 2019.10.29
아프리오리(Apriori) 알고리즘  (0) 2019.10.28
saddle point(새들 포인트)  (0) 2019.10.28
Posted by codedragon codedragon

댓글을 달아 주세요


 

 

 

Jupyter - Password or token:, Token authentication is enabled


 

 

 

 

해결방법

토큰 목록을 확인합니다.

C:\CodeLab>jupyter notebook list

Currently running servers:

http://localhost:8890/?token=d5d7a88c007436484a3f0f95c684cbeef1f671293a59360b :: C:\Users\codedragon

http://localhost:8888/?token=a181bc925d30ed11a0ecc607f428c24487c41d9c8db78230 :: C:\Users\codedragon

C:\CodeLab>

 

 

 

접속방법 1

표시된 a181bc925d30ed11a0ecc607f428c24487c41d9c8db78230 복사합니다.

"Password or token: " 붙여넣기 >> [Log in]


로그인이 되지 않으며 다른 토큰을 사용합니다.

 

 

로그인 정상적으로 이뤄집니다.


 

 

 

 

접속방법 2

"jupyter notebook list" 표시된 목록에서

URL 전체를 복사한 브라우저에 붙여넣기 하여 바로 접속하는 것도 가능합니다.

http://localhost:8888/?token=a181bc925d30ed11a0ecc607f428c24487c41d9c8db78230

 


'Development > Python' 카테고리의 다른 글

오차 역전파 수행 과정  (0) 2019.11.01
NumPy의 random 서브패키지  (0) 2019.10.31
Jupyter - Password or token:, Token authentication is enabled  (0) 2019.10.30
pdb 명령어  (0) 2019.10.28
역전파 수식  (0) 2019.10.26
SandDance  (0) 2019.10.24
Posted by codedragon codedragon

댓글을 달아 주세요



 

클러스터(cluster)

비슷한 특성을 가진 데이터들의 집단

 

 

 

 

군집(Clustering)

·         군집화 클러스터링

·         하나의 데이터를 여러 개의 부분집합(Clusters)으로 분할하는 것으로 데이터 분석을 위해 사용되는 방법입니다.

·         이질적인 모집단을 동질성을 지닌 그룹별로 세분화하는 말합니다.

·         군집은 주로 데이터 마이닝이나 모델링의 준비단계로서 사용되어집니다.


http://bit.ly/2RJH4bK

 

 

 

 

Posted by codedragon codedragon

댓글을 달아 주세요



 

 

 

JRE 설치하기

 

 

jre_setup.exe

 


 

 

[Install]


 

 

[OK]


 

 

설치 ...


 

 

[Not Now]


 

 

[Next]


 

 

[Close]


 

 


'Development > Java' 카테고리의 다른 글

WEKA(웨카) 설치하기 - install - 3.8.3  (0) 2019.11.03
LibSVM  (0) 2019.11.02
JRE 설치하기  (0) 2019.10.29
반복문에서 continue 코드 예시  (0) 2019.10.24
Bayesian Networks in Java  (0) 2019.10.23
배열의 접근방법  (0) 2019.10.23
Posted by codedragon codedragon

댓글을 달아 주세요