일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- 리스트
- Laplacian
- Jacobian Matrix
- rl
- 데이터 분석
- machine learning
- 논문
- optimization
- David Silver
- 유니티
- 모두를 위한 RL
- convex optimization
- Python Programming
- Deep Learning
- ML-Agent
- 사이킷런
- 강화학습
- statistics
- list
- Linear algebra
- Series
- Hessian Matrix
- neural network
- unity
- 딥러닝
- paper
- reinforcement learning
- 판다스
- pandas
- 김성훈 교수님
RL Researcher
초평면 (Hyperplane) 본문
What is Hyperplane?
초평면의 "초" 는 뛰어넘을 초(超)이며, 평면을 뛰어넘는 평면이라는 뜻임. (Plane에서 확장된 개념)
아래의 두 개의 변수로 만들어진 1차식을 봅시다.
$$ax+by+c=0$$
위 식은 2차원 평면에 그려지는 직선의 방정식이다.
변수를 하나 추가해보겠습니다.
$$ax+by+cz+d=0$$
위 식은 3차원 공간 상에 그려지는 평면의 방정식입니다.
변수를 하나 더 추가해 보겠습니다.
$$a_{1}x_{1}+a_{2}x_{2}+a_{3}x_{3}+a_{4}x_{4}+c=0$$
위의 식은 어떻게 정의할 수 있을까요?
$\Rightarrow$ 정의는 "plane"을 일반화하여 "Hyperplane"으로 부르기로 하였습니다. 일차식으로 만들어지는 도형을 전부 "Hyperplane"으로 부르기로 했습니다. 각 "hyperplane"은 그려진 차원을 이용하여 OO차원의 초평면이라고 부릅니다.
"line"은 2차원의 "Hyperplane"이고, "Plane"은 3차원의 "Hyperplane"이다.
n-dimension의 Hyperplane은 아래와 같습니다.
$$a_{1}x_{1}+a_{2}x_{2}+\cdots+a_{n}x_{n}+c=0$$
Properties of Hyperplane
2dim에 그려진 "hyperplane"은 "line"이다. "line"은 1-dim space이다. 3dim에 그려진 "hyperplane"은 "plane"이다. "plane"은 2-dim space이다.
2-dim에 그려진 "hyperplane" $\rightarrow$ "line" $\rightarrow$ 1dim space
3-dim에 그려진 "hyperplane" $\rightarrow$ "plane" $\rightarrow$ 2dim space
따라서, n-dim에 그려진 "hyperplane"은 n-1 dim space와 같다.
"hyperplane"은 그려진 공간의 차원보다 한 차원 낮은 공간이다.
Where to Use?
"hyperplane"은 공간을 분할하는 역할을 수행한다. n차원의 hyperplane은 n차원 공간을 분할한다.
'Optimization > Concept From Geometry' 카테고리의 다른 글
Hyperplane (0) | 2021.07.01 |
---|---|
Line Segment (0) | 2021.07.01 |