WikiSandBox

Difference between r1.127 and the current

@@ -441,7 +441,7 @@
=== ring counter ===
curr at [[원핫%2Cone-hot?action=highlight&value=counter]]
[#countable]
== countability #countable =
== countability #countable ==
countable adj.
countability n.

@@ -493,12 +493,20 @@
allocator
Srch:allocator
== memory allocator ==
[[memory_allocator]] =,memory_allocator =,memory_allocator . memory_allocator
[[메모리할당자,memory_allocator]] ? [[메모리,memory]]를 [[할당,allocation]]하는 i.e. [[메모리할당,memory_allocation]]하는
Ggl:"memory allocator" 
Bing:"memory allocator" 
"memory allocator"
'''memory allocator'''
메모리할당자
메모리할당기
중에?
 
w l
 
https://en.wiktionary.org/wiki/memory_allocator x 2024-06
// memory allocator .... Ggl:"memory allocator" Bing:"memory allocator" NN:"memory allocator"
Srch:memory_allocator
 
Up: allocator( [할당자,allocator] or [할당기,allocator] or 얼로케이터 )
=== slab allocator ===
[[slab_allocator]] =,slab_allocator . slab_allocator
[[WtEn:slab_allocator]]
@@ -645,33 +653,65 @@
[#sort]
= sort / sorting / 정렬 #sort =
(대충 생각나는대로,chk) { [[키,key]]를 기준으로(primary_key 말고 secondary_key ...도 있는 경우가 있는데 tbw) , [[비교,comparison]]하여, (근데 Ggl:"비교정렬" 이 아닌 경우도 있는데 tbw) [[순서,order]]에 따라, 위치를 바꾸어서(교환, swap, exchange) }
=정렬,sorting =,sorting =,sort .
[[정렬,jeongryeol]] =정렬,sorting =,sorting =,sort . 
sort WtEn:sort#Noun
sorting WtEn:sorting#Noun
소팅

Sub:
[[sort_명령]]
[[sort_명령]]?
 
----
정렬알고리즘을 분류하는 방법은 매우 다양한데
 
안정적인 정렬 vs 불안정 정렬
Naver:"안정적인 정렬 vs 불안정 정렬" Bing:"안정적인 정렬 vs 불안정 정렬" Ggl:"안정적인 정렬 vs 불안정 정렬"
안정:
불안정: quicksort
 
정렬알고리듬의 분류와 밀접:
[[시간복잡도,time_complexity]] <- 특히 가장 중요 주제.
[[공간복잡도,space_complexity]] - 일부에서.
 
----

radix
[[radix_sort]] ... curr at [[래딕스,radix?action=highlight&value=radix_sort]]
'''radix sort'''
Ggl:"radix sort"

merge
'''merge sort'''
https://everything2.com/title/Merge+Sort
Ggl:"merge sort"

comb
https://everything2.com/title/comb+sort
Ggl:"comb sort"

spaghetti
 
comb
Ggl:"spaghetti sort"

shear
Ggl:"shear sort"

quick - quicksort quick_sort
quick 
quicksort quick_sort =,quicksort =,quick_sort ... WtEn:quicksort
Ggl:"quick sort"
REL
[[pivot]] - [[피벗,pivot]]
불안정정렬
[[시간복잡도,time_complexity]] \Theta(n\log n) O(n^2)

zen
https://everything2.com/title/Zen+Sort
Ggl:"zen sort"

random / bogo / stupid /
https://everything2.com/title/random+sort
Ggl:"random bogo stupid sort"
== algorithm ==
== stable vs unstable ==
https://everything2.com/title/stable+sort
@@ -1046,10 +1086,7 @@
Ggl:connotation

= natural language =
natural_language =,natural_language . ==,nl .
natural language
자연어
자연언어
[[자연어,natural_language]]

Sub:
자연 언어 이해 natural language understanding
@@ -1095,17 +1132,10 @@
https://ko.wikipedia.org/wiki/물리_처리_장치
https://en.wikipedia.org/wiki/Physics_processing_unit
[[graphics_processing_unit]]
[[natural_language_processing]]
[[자연어처리,natural_language_processing,NLP]]

= NLP =
natural_language_processing NLP
=,natural_language_processing =,NLP .
자연어처리
자연언어처리
 
[[WpKo:자연어_처리]] = https://ko.wikipedia.org/wiki/자연어_처리
 
Up: [[natural_language]] [[처리,processing]]
[[자연어처리,natural_language_processing,NLP]]

= hidden Markov model HMM =
=,hidden_Markov_model =,HMM .
@@ -1422,3 +1452,90 @@
[[오에스2,OS2]]?

일단 입출력은 [[입출력,IO]]로 했는데 ,,편의상,,
 
= tmp 1 =
tmp/ written by dr j. lee, https://cafe.naver.com/kpope/931
[[라그랑지안,Lagrangian]]은 먼저 $F=ma$ 에서 바로 나옵니다.
$F=-\nabla U$ 이고 $ma=m\ddot{x}=\frac{d}{dt} [m\dot{x}]$ 입니다.
그런데 $m\dot{x}=\frac{\partial}{\partial \dot{x}} \frac{1}{2}m\dot{x}^2$
이므로 $m\dot{x}=\frac{\partial}{\partial \dot{x}} T$ 입니다.
Cartesian coordinate에서는 kinetic energy T가 오직 $\dot{x}$ dependent
potential energy $V$ 가 오직 $x$ dependent (물론 velocity independent potential 에서)(
그러니
$F=ma$ 는 Euler-Lagrange equation과 equivalent합니다.
$\left[ \frac{\partial}{\partial x}-\frac{d}{dt}\frac{\partial}{\partial\dot{x}}\right](T-V)$
문제는 이것이 least-action principle로부터 유도되는 이유가 key입니다.
당시 Euler는 brachistochrone 문제들을 통해 이미 최소값과 관련한 calculus of variation 을 개발해 놓았고
이것이 이렇게 응용되어 결국 Hamilton's least-action principle로 완성되게 됩니다.
 
= tmp2 =
2024-06-06
Prof. Michael Bronstein (CS, University of Oxford, DeepMind prof. -> https://www.cs.ox.ac.uk/news/1996-full.html ) delivered a lecture titled
''Geometric Deep Learning: From Euclid to Drug Design''
as part of the Hot Topics in Computing Series at CSAIL.
 
https://www.youtube.com/watch?v=MeJgxYfiaz8
 
1:07
He's very well known for dynamic graph CNNs for learning on point clouds. // [[dynamic_graph_CNN]] [[점구름,point_cloud]]
 
3:30
[[Hermann_Weyl]]: "Symmetry, as wide or as narrow as you may define its meaning, is one idea by which man through the ages has tried to comprehend and create order, beauty, and perfection" // [[대칭성,symmetry]]
4:00
[[플라톤,Plato]] (~370 BC)의 [[Platonic_solid]] (플라톤 입체 or 플라톤 다면체 ... [[입체,solid]]) 언급
4:44
[[에우클레이데스,Euclid]] (~300 BC)의 5th postulate, and 19세기에 나타난 비유클리드 언급
 
entire zoo of different geometries
* Euclidean
* affine
* projective
 
Euclidean_geometry [[유클리드_기하학,Euclidean_geometry]]
affine_geometry [[아핀기하학,affine_geometry]]
projective_geometry [[사영기하학,projective_geometry]]
 
이런 상황에서 '기하학을 어떻게 정의할 것인가'의 문제가 제기. (어떤 기하학이 다른 것보다 일반적인가?)
 
paradigm shift는 젊은 [[Felix_Klein]] (1872) { 23세에 독일 Erlangen 대학교 교수. }로부터 왔는데
그는 radically new way of thinking of geometry in terms of invariances 를 제안하였다. // [[불변성,invariance]]
geometric object를 group of transformations // 기하학적 [[대상,object]]: [[군,group]] of [[변환,transformation]]
-> [[Erlangen_program]]. WpKo:에를랑겐_프로그램 WpEn:Erlangen_program {Topics: [[동차공간,homogeneous_space]] }
 
6:00
 
ex.
 
Euclidean geometry
E(3)
https://i.imgur.com/TAZCDGI.png
 
[[Emmy_Noether]]: [[뇌터_정리,Noether_theorem]]: principles of symmetry에서 [[보존법칙,conservation_law]]을 도출할 수 있음을 보였음.
like: conservation of energy comes from symmetry of time.
([[에너지,energy]] 보존은 [[시간,time]] 대칭에서)
이것이 나중에 발전하여 [[입자물리학,particle_physics]]의 [[standard_model]].
 
6:56
물리에선 external vs internal symmetry를 구분
external symmetries of the spacetime - what is called the [[푸앵카레_군,Poincare_group]], that gives rise to the [[
external symmetry - R^^1,3^^ O(1,3) ...
internal symmetry - U(1) SU(2) SU(3) ...
 
7:30
"It is only slightly overstating the case to say that Physics is the study of symmetry" - P. Anderson // [[대칭성,symmetry]]
 
그럼 이게 ML([[기계학습,machine_learning]])과 무슨 관련인가?
We have historically different architectures of [[신경망,neural_network]]s such as
GNN
CNN
RNN
DeepSets
[[트랜스포머,transformer]]
...
다른 context에서 온 다른 architecture이다.
우린 여기서 [[공통분모,common_denominator]]를 찾고 싶다. (이미 있던 것들을) 설명하고, 같은 원리에 기반해 새로운 architecture를 설계(design)하는 걸 하고 싶은데, 이게 바로 GNN이다.
 
cont 8m



Contents

1. 메타 meta #meta
2. infinitive #infinitive 부정사 ?
2.1. infinitive form 부정형 ?
2.2. infinitive verb
3. geometry 기하 #geom
3.1. taxicab???
3.2. digital geometry
3.3. discrete geometry and combinatorial geometry
3.4. computational geometry
3.5. finite geometry
3.6. descriptive geometry
3.7. projective geometry
3.8. Euclidean geometry #euclidgeom
3.9. non-Euclidean geometry
3.10. absolute geometry
3.11. hyperbolic geometry
3.12. affine geometry
3.13. // rel. parallel_postulate
3.14. 리만 기하학
3.15. 정보기하학 information geometry
4. lock / locking
5. envelope
6. count / counting / counter + countability #count
6.1. count
6.2. counting
6.2.1. counting number
6.2.2. counting principle
6.2.3. counting sort
6.2.4. counting measure
6.3. counter
6.3.1. program counter
6.3.2. ring counter
6.4. countability #countable
7. allocator #allocator
7.1. memory allocator
7.1.1. slab allocator
8. 암호학 cryptology cryptography
9. context
10. expansion
11. transfer #transfer
12. generator #generator
12.1. random number generator (RNG)
12.1.1. hardware random-number generators (HRNGs)
12.1.2. pseudorandom number generators (PRNGs)
12.2. code generator
13. sort / sorting / 정렬 #sort
13.1. algorithm
13.2. stable vs unstable
14. fork / forking #fork
14.1. fork (system call)
14.2. fork (sw devel)
15. branch / branching #branch
16. (tmp, 위 두 sections.) fork vs branch
17. vertex #vertex
18. edge #edge
18.1. Microsoft Edge
19. ambiguity
20. law / rule /
21. dual / duality
22. (시간 관련) past - (present) - future / priori posteriori / a priori a posteriori
22.1. priori / posteriori
22.2. a priori / a posteriori
23. 분해 decomposition
23.1. nodal decomposition
24. statistics
24.1. 확률론
25. prediction / forecasting
26. meaning
27. closure #closure
28. 동기화,synchronization
29. denotation and connotation
29.1. denotation
29.1.1. denotational semantics
29.2. connotation
30. natural language
31. 처리 processing
32. NLP
33. hidden Markov model HMM
34. Markov model
35. Intel_x86
35.1. x86 processor modes
35.1.1. real mode
35.1.2. protected mode
35.1.3. long mode
35.1.4. v86 mode
35.1.5. unreal mode
36. disk
36.1. disk geometry/addressing
36.2. boot booting
37. cone
37.1. cone cell
37.2. light cone
38. mimetex version
39. referer test
40. gnuplot test
41. etc
42. TeX의 그리스 문자
43. orphaned pages
44. 이상익
45. Pagename Normalization
45.1. TBD 1
45.2. 슬래시 slash 문제
46. tmp 1
47. tmp2




1. 메타 meta #meta


Sub:
metadata - 메타데이터,metadata or 메타자료,metadata .... Srch:metadata WtEn:metadata
p TheMetadata
metaobject metaobject =,metaobject . metaobject
메타프로그래밍,metaprogramming =메타프로그래밍,metaprogramming =,metaprogramming . 메타프로그래밍 metaprogramming - 프로그래밍,programming
{
metaprogramming
메타프로그래밍



wk:
(Recall: 일단 '언어'는 '대상을 서술하는 것')
메타언어는 언어 그 자체를 서술/언급하는 언어나 심벌,symbol(기호,symbol).
고차언어라고도 한다. higher-order language ? higher-order language = metalanguage ?
메타언어의 문장,sentence이나 절,clause의 구조는 메타문법( Ggl:메타문법 Ndict:메타문법 Ggl:metasyntax ? Ggl:metagrammar ? ) 으로 기술,description된다.
'대상언어'가 있을 때 그 위에 그걸 서술하는 '메타언어'가 있는 것이다. (그래서 위에 aka high-order라고 한 것? chk)


...
Ndict:메타수학
} // metamathematics
metagraph 메타그래프,graph ? - 그래프,graph?
metaclass 메타클래스,metaclass? - 클래스,class - curr at 클래스%2Cclass?action=highlight&value=meta#s-2.3
metasyntax - 다른 syntax를 기술,description하기 위한 syntax였나? chk - curr at 신택스,syntax?action=highlight&value=metasyntax
metasyntactic_variable - 이게 이름이 foo bar 그런거였는데... metasyntax와 비슷한, 이런 이름이 붙은 이유? 다른 프로그램(실질적으로 쓰일 어떤 프로그램)의 코드의 예시를 보여주기 위해, 즉 template? 실질적으로는 의미가 없는 그런 variable
metalogic =,metalogic =,metalogic . metalogic
{
metalogic
메타논리
메타논리학
중에?

rel formation_rule =,formation_rule =,formation_rule . formation_rule { formation rule WtEn:formation_rule WpEn:Formation_rule = https://en.wikipedia.org/wiki/Formation_rule ... "formation rule Ndict:formation rule Ggl:formation rule }


Sub:
metalogic_programming =,metalogic_programming =,metalogic_programming . metalogic_programming
}


메타테이블,metatable - 루아,Lua의 개념. mentioned.


2. infinitive #infinitive 부정사 ?

infinitive =,infinitive =,infinitive . infinitive
부정사,infinite ?
NdEn:infinitive Ndict:infinitive Ggl:infinitive

2.1. infinitive form 부정형 ?

infinitive form
infinitive_form =,infinitive_form . infinitive_form
"infinitive form"
NdEn:infinitive form Ndict:infinitive form Ggl:infinitive form


2.2. infinitive verb

infinitive verb
"infinitive verb"
infinitive_verb =,infinitive_verb . infinitive_verb
WtEn:infinitive_verb
WpSp:infinitive_verb




3. geometry 기하 #geom

=,geometry .
WtEn:geometry

geometry
지어메트리
지오메트리

3.1. taxicab???

taxicab_geometry =,taxicab_geometry =,taxicab_geometry . taxicab_geometry
{
taxicab geometry
(del or rename ok)
WtEn:taxicab_geometry
MKL 거리,distance 노름,norm 그리드,grid 래티스,lattice 격자,lattice
Ndict:taxicab geometry
Bing:taxicab geometry
"taxicab geometry"
}

3.2. digital geometry

digital_geometry =,digital_geometry =,digital_geometry . digital_geometry
{
digital geometry


https://en.wikipedia.org/wiki/Digital_geometry
mentions
https://en.wikipedia.org/wiki/Bresenham's_line_algorithm
이게 아마 오차,error의 bound 가 원리였나... 그럼 interval_arithmetic관련인가? chk or delme
digital_topology =,digital_topology =,digital_topology . digital_topology { WtEn:digital_topology https://en.wikipedia.org/wiki/Digital_topology }
digital_manifold =,digital_manifold =,digital_manifold . digital_manifold { WtEn:digital_manifold WpEn:Digital_manifold = https://en.wikipedia.org/wiki/Digital_manifold }
Ndict:digital geometry
Bing:digital geometry
Ggl:digital geometry
"digital geometry"
}

3.3. discrete geometry and combinatorial geometry

discrete_geometry =,discrete_geometry =,discrete_geometry . discrete_geometry
combinatorial_geometry =,combinatorial_geometry =,combinatorial_geometry . combinatorial_geometry
{
discrete geometry and combinatorial geometry
discrete geometry
combinatorial geometry


https://en.wikipedia.org/wiki/Discrete_geometry
"Discrete geometry and combinatorial geometry are"

"discrete geometry"
"combinatorial geometry"
}

3.4. computational geometry

3.5. finite geometry

finite geometry
finite_geometry =,finite_geometry =,finite_geometry . finite_geometry
WtEn:finite_geometry
https://en.wikipedia.org/wiki/Finite_geometry
Bing:finite geometry
Ndict:finite geometry
Ggl:finite geometry
"finite geometry"

finite_mathematics = discrete_mathematics 와 관계?? 근데 geometry에선 finite_geometry ≠ discrete_geometry ??

3.6. descriptive geometry

descriptive_geometry =,descriptive_geometry =,descriptive_geometry . descriptive_geometry
{
descriptive geometry
WtEn:descriptive_geometry
https://en.wikipedia.org/wiki/Descriptive_geometry
"descriptive geometry"
}

기술
서술 ....??

3.7. projective geometry


Ndict:projective geometry
Bing:projective geometry
"projective geometry"
"projective geometry"
}


3.9. non-Euclidean geometry



}

쌍곡기하학 hyperbolic geometry hyperbolic_geometry hyperbolic_geometry ..... hyperbolic_space ? WtEn:hyperbolic_space
타원기하학 elliptic geometry elliptic_geometry (aka elliptical_geometry ? chk) .... 타원 기하학이 적용되는 위상공간: 타원 공간(elliptic space) elliptic_space WtEn:elliptic_space
구면기하학 ... 대응하는 위상공간: 구면 공간(spherical space) spherical_space WtEn:spherical_space

3.10. absolute geometry

3.11. hyperbolic geometry

hyperbolic_geometry =,hyperbolic_geometry =,hyperbolic_geometry . hyperbolic_geometry
{
hyperbolic geometry
쌍곡기하
WtEn:hyperbolic_geometry
https://ko.wikipedia.org/wiki/쌍곡기하학
https://simple.wikipedia.org/wiki/Hyperbolic_geometry
https://en.wikipedia.org/wiki/Hyperbolic_geometry
Ndict:hyperbolic geometry
Bing:hyperbolic geometry
"hyperbolic geometry"
"hyperbolic geometry"
"hyperbolic geometry"
"hyperbolic geometry"
}

3.13. // rel. parallel_postulate

3.14. 리만 기하학

리만 기하학(Riemannian geometry)

Riemannian geometry

Rel
리만_계량,Riemannian_metric =리만_계량,Riemannian_metric =,Riemannian_metric 리만_계량 Riemannian_metric { Riemannian metric "Riemannian metric" Ggl:Riemannian metric }

Twin





3.15. 정보기하학 information geometry

4. lock / locking

5. envelope

envelope
KmsE:envelope KpsE:envelope KcsE:envelope
WtEn:envelope
이것은 포락선 포락체 ..... 봉투 .... 싸개선 Ggl:싸개선
Ndict:envelope
Ggl:envelope

6. count / counting / counter + countability #count


count
v. 세다
adj. 역- 반대- 의 뜻도 있음 - counter emf, ccw, etc.

counting
세기

counter
세는 변수
세는 기계 - 계수기 ,

countability
가산성


WtEn:count
WtEn:counting
WtEn:counter
WtEn:countability

6.1. count

6.2.3. counting sort

6.2.4. counting measure

6.3. counter

6.4. countability #countable

countable adj.
countability n.




Sub:
가산집합,countable_set =가산집합,countable_set =,countable_set 가산집합 countable_set (at local w)
가산집합
셀수있는집합
WtEn:countable_set
opp. 비가산집합,uncountable_set
KmsE:countable set { countable set = 가산집합 = 셀수있는집합 VS. 셀수없는집합 = 비가산집합}
Srch:가산집합
Srch:countable_set
비가산집합,uncountable_set =비가산집합,uncountable_set 비가산집합,uncountable_set 비가산집합 uncountable_set
비가산집합
셀수없는집합
WtEn:uncountable_set
Srch:비가산집합
Srch:uncountable_set
countable_infinity - w
countable_additivity - w
WtEn:countable_additivity
번역들
"가산가법성(countable additivity)" - [https]수학백과: 측도 처음부분.
가산공리 or 가산성공리 / countability_axiom or axiom_of_countability - w




7. allocator #allocator

할당자,allocator ? 할당,allocation하는
=할당자,allocator =,allocator =,allocator . allocator
WtEn:allocator = https://en.wiktionary.org/wiki/allocator (볼필요x easy)
Bing:allocator
allocator
Srch:allocator

7.1. memory allocator

메모리할당자,memory_allocator ? 메모리,memory할당,allocation하는 i.e. 메모리할당,memory_allocation하는
memory allocator
메모리할당자
메모리할당기
중에?

w l


Up: allocator( 할당자,allocator or 할당기,allocator or 얼로케이터 )

8. 암호학 cryptology cryptography

=암호학, =,cryptology =,cryptography .
둘중에 pagename tbd
둘다 page 만들어서 역할을 나눌수도
WtEn:cryptology WtEn:cryptography
NdEn:cryptology NdEn:cryptography
암호학,cryptology
암호학,cryptography
Ggl:cryptology cryptography 차이
Naver:cryptology cryptography 차이
Bing:cryptology cryptography 차이

Terms:
key
codeword = code_word WtEn:codeword
부호어 ? Up: code word
cipher = cypher
plaintext
평문
cmp plain_text
vs
ciphertext vs cyphertext


9. context

=,context .
WtEn:context NdEn:context
컨텍스트
콘텍스트
맥락 (가장 일반적)
문맥 (글文일 경우)



context_sensitivity ?
context sensitivity
https://en.wikipedia.org/wiki/Context-sensitive
이 개념은 언어,language 문법,grammar 자동기계,automaton = 유한상태기계(fsm)에 나온다

10. expansion

=,expansion .
WtEn:expansion
NdEn:expansion
KmsE:expansion
수학에선 전개. vg에 현재 expansi로 보면 두개:
이항전개,binomial_expansion
전개,expansion
페이지 있음

11. transfer #transfer

트랜스퍼,transfer
=,transfer .
전송
운송
수송
저달

Similar: transmission

Sub
file_transfer =,file_transfer . file_transfer
{
파일,file
}


12. generator #generator

generator =,generator . generator
생성기 생성기,generator
생성자
제너레이터
발전기
발생기 - 난수발생기
RNG random number generator 등 ...
...
rel. generation { 생성,generation or 세대



....(etc, misc)
VG titles with "genera" at 2023-08-20
생성모형,generative_model
생성함수,generating_function
확률생성함수,probability_generating_function,PGF

12.1.2. pseudorandom number generators (PRNGs)

13. sort / sorting / 정렬 #sort

(대충 생각나는대로,chk) { 키,key를 기준으로(primary_key 말고 secondary_key ...도 있는 경우가 있는데 tbw) , 비교,comparison하여, (근데 Ggl:비교정렬 이 아닌 경우도 있는데 tbw) 순서,order에 따라, 위치를 바꾸어서(교환, swap, exchange) }
정렬,jeongryeol =정렬,sorting =,sorting =,sort .
sort WtEn:sort#Noun
sorting WtEn:sorting#Noun
소팅




정렬알고리즘을 분류하는 방법은 매우 다양한데


정렬알고리듬의 분류와 밀접:
시간복잡도,time_complexity <- 특히 가장 중요 주제.
공간복잡도,space_complexity - 일부에서.






spaghetti
Ggl:spaghetti sort

shear
Ggl:shear sort

quick
quicksort quick_sort =,quicksort =,quick_sort ... WtEn:quicksort
Ggl:quick sort
REL
pivot - 피벗,pivot
불안정정렬
시간복잡도,time_complexity \Theta(n\log n) O(n^2)



13.1. algorithm

14. fork / forking #fork

=,fork =,forking . =포크,fork =,fork =포킹,forking ?(필요?) .

번역은 포크 / 갈라짐? / .... ?
Ndict:fork
Ndict:forking
//TBW: 바로아래 branch와 비교.


14.2. fork (sw devel)

software_development 과정에서의 fork:
https://en.wikipedia.org/wiki/Fork_(software_development)


15. branch / branching #branch

=,branch =,branching .
번역은 브랜치 / 가지치기 / ....?
가지치기에는 분기의 뜻(syn. ramification, 갈라져서 다른 길로 가기) 뿐만이 아니라 pruning(가지를 잘라내기, 솎아내기)의 뜻도 있어서 부적합한 번역어로 보임.
Ndict:branch Ndict:branching
//바로위 fork랑 비교.

16. (tmp, 위 두 sections.) fork vs branch

공통된 뜻은 분기 분리 갈라짐 ... split
반대는 합쳐짐
강,river의 경우 NdEn:confluence - 합류

두 단어 모두 computing에서 많이 쓰이는데 usage 차이가 있는데 확실히 tbw incl. reliable src.
둘다 VCS에서 쓰이는데 vcs에 따라 word usage가 차이가 있을수 있지만 대체로: fork는 한 project 전체가 대상이고 branch는 개발 과정의 한 시점인 특정 작업상태에 대한..? fork를 한다고 하면 대체로 어떤 특정 시점에서 전체 data의 dump를 얻는 것 같던데.
fork는 POSIX system_call 의 하나(for 프로세스,process관리, process_management) / branch는 아님
branch는 CPU(프로세서,process)의 conditional_jump 와 동의어? chk

fork가 대체로 더 큰 범위에서 쓰이는 듯? (dump처럼)
software project 전체를 복제해서 다른 길로 가겠다 / wiki에도 쓰임(데이터 전체를 복사해 새 위키를) / cryptocurrency 에도 쓰임.

...
Ggl:fork branch 차이
Naver:fork branch 차이
Bing:fork branch 차이


17. vertex #vertex

vertex =,vertex . vertex
바로아래 edge 와 cmp


18. edge #edge

=,edge .
에지
엣지

...
바로위 vertex 와 cmp.

그래프이론,graph_theory에서의 pagename tbd. graph_edge ? too long?
참고. VG:그래프,graph#s-1

18.1. Microsoft Edge

Microsoft_Edge
web_browser.

19. ambiguity

=,ambiguity .
ambiguity
애매성
애매모호함
모호성
중의성 애매성 (wk)
...

ambiguity n. WtEn:ambiguous adj. (opp. WtEn:unambiguous adj.)

opp:
unambiguity n. ( via WtEn:unambiguity )

chk 나만의생각:
이것은 해석,interpretation가능성,possibility의 수(해석하는 경우,case의 수)(해석 가능한 경우의_수,number_of_cases)가 하나냐 둘 이상이냐에(ie 단수냐 복수냐에)관한 것??

Sub:
ambiguous_grammar - 문법,grammar






20. law / rule /

=,law =,rule .
VG:law법칙
VG:rule규칙
으로 통일하면 좋지않을까...

21. dual / duality

=,dual =,duality .
dual adj.
쌍대
이중
duality n.
쌍대성
이중성


Sub:
Koszul_dual
Koszul_duality

22. (시간 관련) past - (present) - future / priori posteriori / a priori a posteriori

시간,time or
시각,time에 대한 선후관계
now
before / after
과거 현재 미래

REL.
causality causation 인과성 인과율 인과관계 인과 cause and effect ...

https://en.wikipedia.org/wiki/Future

22.1. priori / posteriori

22.2. a priori / a posteriori

a_priori a_posteriori
=,a_priori =,a_posteriori .


23. 분해 decomposition

=분해,decomposition =,decomposition .
분해,decomposition
decomposition
분해

23.1. nodal decomposition

24. statistics

VG 통계,statistics 있으니 여긴 통계학,statistics 어떨까?
Srch:statistics

REL
추론,inference !vg
통계적추론 통계추론 을 저기서 분리해야 할수도 있고.

확률,probability vg WtEn:probability

확률론
tentative pagename 확률론,probability_theory // 바로아래section

24.1. 확률론

=확률론,probability_theory =,probability_theory . 확률론 probability_theory
확률론

KmsK:확률론 = https://www.kms.or.kr/mathdict/list.html?key=kname&keyword=확률론
{ 2023-11-18 현재 3개
combinatorial probability 조합적 확률론
probability theory 확률론
stochastics 확률론 // stochastics .... WtEn:stochastics WpEn:stochastics Ndict:stochastics Ggl:stochastics
}



...
"확률론"
Ndict:확률론 Ggl:확률론
"probability theory"
Ggl:probability theory

25. prediction / forecasting

=,prediction =,forecasting =,forecast .
예상
예측
예보
....

비슷,cmp,mklink: estimation =,estimation .
WtEn:estimation
tenataive pagename 추정,estimation
이것은 (대개) 완벽할 수 없으므로 approximation 의 일종인가?
(we) "Estimation (or estimating) is the 과정,process of finding an estimate or approximation, which is a value that is usable for some purpose even if input data may be incomplete, uncertain, or unstable."
https://en.wikipedia.org/wiki/Estimation

Cmp: 추론,inference

둘 다 future_event =,future_event . { WtEn:future_event에대한 ... 미래,future 사건,event }

26. meaning

=,meaning 미닝 뜻 의미
의미,meaning 뜻,meaning
REL
semantics - 시맨틱스,semantics WtEn:semantics
의미론


27. closure #closure

=,closure . 클로저 클로져 폐포 폐쇄- 닫힘성? ...
WtEn:closure - in math?
KmsE:closure

관련표현:
closed (특히 prefix. closed_set etc. opp. open_ ... curr at 형용사,adjective?action=highlight&value=closed)
closing


MKL:
closedness 닫힘성?
WpKo:폐포_(수학) - 번역이 둘 다 영어 closure인 닫힘 (성질), 폐포 (대상) 을 구분함.



28. 동기화,synchronization

동기화,synchronization
=동기화,synchronization =,synchronization .
동기화
synchronization


QQQ 동기화,synchronization 성질을 가졌다는 명사형은? 동기성 synchrony synchronism ?

Sub:
=,wait-free_synchronization =,wait-free_synchronization . wait-free_synchronization
wait-free synchronization
http://wiki.c2.com/?WaitFreeSynchronization
Ggl:wait-free synchronization
"wait-free synchronization"
=,lock-free_synchronization =,lock-free_synchronization . lock-free_synchronization
lock-free synchronization
http://wiki.c2.com/?LockFreeSynchronization
Ggl:lock-free synchronization
"lock-free synchronization"
=,lock-based_synchronization =,lock-based_synchronization . lock-based_synchronization
lock-based synchronization
http://wiki.c2.com/?LockBasedSynchronization
Ggl:lock-based synchronization
"lock-based synchronization"
=,sychronization_strategy =,sychronization_strategy . sychronization_strategy

29. denotation and connotation

denotation
connotation
WtEn:denotation
WtEn:connotation
(영어사전)
denotation n.(단어를 통한) 지시, 명시적 의미
connotation n. 함축(된 의미)

29.1. denotation

denotation =,denotation .


29.1.1. denotational semantics

denotational_semantics =,denotational_semantics .
https://en.wikipedia.org/wiki/Denotational_semantics



29.2. connotation

connotation =,connotation .
Ndict:connotation
Ggl:connotation

30. natural language


Sub:
자연 언어 이해 natural language understanding
자연 언어 처리 NLP //바로아래
자연 언어 질의 natural language query // via https://terms.naver.com/entry.naver?docId=830352&cid=50376&categoryId=50376
Up: 질의,query ... curr. 질의query
자연 언어 생성 natural language generation //via https://terms.naver.com/entry.naver?docId=830348&cid=50376&categoryId=50376
생성,generation - rel 생성기,generator - rel 생성자 or 제너레이터 or 발전기

Opp:
인공어
artificial language
constructued language
conlang




33. hidden Markov model HMM

=,hidden_Markov_model =,HMM .
hidden_Markov_model
HMM
hidden Markov model

은닉 마르코프 모델|모형

//wk
관찰 가능한 결과를 야기하는 원인이 관측할 수 없는 'hidden' 상태들이고, 그 상태들이 마르코프_과정,Markov_process





34. Markov model

Markov_model =,Markov_model . Markov_model
Markov model


Up: model

35. Intel_x86

=,x86 . x86 x86_architecture ?



descriptor
서술자 기술자 or 디스크립터 ...?
null_descriptor =,null_descriptor . null_descriptor WtEn:null_descriptor
null descriptor
descriptor_table =,descriptor_table . descriptor_table
descriptor table
GDT의 0번 디스크립터는 unusable.
하지만 LDT 0번 디스크립터는 valid entry.



35.1. x86 processor modes

x86의 processor_mode s (? 라고 하나? WtEn:processor_mode ? .... Ggl:x86 processor modes "x86 processor modes" )

35.1.2. protected mode

protected_mode =,protected_mode . protected_mode
보호모드
프로텍티드 모드




36. disk

=,disk .
FORKTO 디스크,disk curr at 원판,disk
MKL storage

36.1. disk geometry/addressing

CHS cylinder_head_sector
LBA logical_block_addressing

partition
(table)
type

GPT = GUID_partition_table
{
디스크 사이즈 제한
MBR partition table은 섹터가 512바이트일 때 블럭 주소 한계가 232라서 2 TiB 제한.
GPT는 섹터가 512바이트일 때 264라서 8 ZiB 제한.

LBA 0 : protective MBR. (무엇?)
LBA 1 : GPT header
LBA 2 :
}

36.2. boot booting

=,boot =,booting .

boot_manager
MBR master_boot_record

boot_image
rel. disk_image

boot_record

boot_sector

VBR volume_boot_record
{
AKA volume boot sector, partition boot record, partition boot sector
}

EBR extended_boot_record
{
AKA EPBR(extended partition boot record)
}


BPB BIOS_parameter_block
EBPB extended_BIOS_parameter_block

37. cone


원뿔
번역이 둘로 나뉨



37.1. cone cell

cone_cell

37.2. light cone

light cone
null cone
light_cone =,light_cone . null_cone =,null_cone .

"light cone (or "null cone")" ... 널,null
... btw, WpEn:Null_cone redir to WpEn:Null_vector
null_cone = isotropic_cone - rel. null_vector isotropic_vector [1]
pagename은 널벡터,null_vector ... 벡터공간,vector_spacezero_element =,zero_element . zero_element { zero element : 영원 영원소 중에? KmsE:zero element says: "영원(소)" .... WtEn:zero_element WpEn:zero_element .... 영,zero 원소,element }인 영벡터,zero_vector와 다른 것.

rel
상대론 relativity
사건,event
시공간,spacetime =,spacetime . spacetime { spacetime 시공간 시공 (시간,time + 공간,space ?)... KpsE:spacetime Up: physics { RR 물리physics 있음. VG 물리학,physics 있음. 물리,physics는 어떨지? }//physics }//spacetime
causality
빛,light



(중요하지 않은건 ADDHERE ... 그렇지 않은건 위쪽에.)

38. mimetex version

$\displaystyle \version$

39. referer test


40. gnuplot test

fork to Ndict:gnuplot Ggl:gnuplot - pagename tbd

plot sin(x)

set noautoscale
set yrange [0:3]
set xrange [0:3]
plot sqrt(x), x*x, log(x)

41. etc


RC회로
축전기 양 끝의 전위차
$\displaystyle V(t)=\mathcal{E}_0(1-e^{-\frac{t}{RC}})$

discharging:
$\displaystyle q=q_0e^{-\frac{t}{RC}}$
$\displaystyle V=V_0e^{-\frac{t}{RC}}$

limits vs nolimits
$\displaystyle \limits\int_a^bf(x)dx$
$\displaystyle \nolimits\int_a^bf(x)dx$

$\displaystyle |\limits_a^b$
$\displaystyle |\nolimits_a^b$

영인자만들기:
$\displaystyle \begin{pmatrix}a&a\\b&b\end{pmatrix}\begin{pmatrix}x&-y\\-x&y\end{pmatrix},\; \begin{pmatrix}1&1\\-1&-1\end{pmatrix}\begin{pmatrix}1&1\\-1&-1\end{pmatrix}$
Ndict:영인자

42. TeX의 그리스 문자


단순히

대문자 명칭 나열:
$\displaystyle \Alpha \Beta \Gamma \Delta \Epsilon \Zeta \Eta \Theta \Iota \Kappa \Lambda \Mu \Nu \Xi \Omicron \Pi \Rho \Sigma \Tau \Upsilon \Phi \Chi \Psi \Omega$
소문자 명칭 나열:
$\displaystyle \alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda \mu \nu \xi \omicron \pi \rho \sigma \tau \upsilon \phi \chi \psi \omega$

TeX는 그리스 문자를 표현할 때 로마자와 모양이 같은 것을 재활용한다. 따라서 그리스 대문자 목록을 표현하려면
$\displaystyle A B \Gamma \Delta E Z H \Theta I K \Lambda M N \Xi O \Pi P \Sigma T \Upsilon \Phi X \Psi \Omega$
소문자 목록은
$\displaystyle \alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda \mu \nu \xi o \pi \rho \sigma \tau \upsilon \phi \chi \psi \omega$
var- 소문자 목록은
$\displaystyle \epsilon-\varepsilon/\theta-\vartheta/\pi-\varpi/\rho-\varrho/\sigma-\varsigma/\phi-\varphi$


표준 (italic)
$\displaystyle ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 0123456789$
$\displaystyle A B \Gamma \Delta E Z H \Theta I K \Lambda M N \Xi O \Pi P \Sigma T \Upsilon \Phi X \Psi \Omega \alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda \mu \nu \xi o \pi \rho \sigma \tau \upsilon \phi \chi \psi \omega \varepsilon\vartheta\varpi\varrho\varsigma\varphi$
을 다음과 같이 다양하게 표현을 시도, 아래 렌더링에서 어떤 꼴이 표현 지원되거나 지원되지 않는 지 확인 가능

mathcal:
$\displaystyle \mathcal{ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 0123456789}$
$\displaystyle \mathcal{A B \Gamma \Delta E Z H \Theta I K \Lambda M N \Xi O \Pi P \Sigma T \Upsilon \Phi X \Psi \Omega \alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda \mu \nu \xi o \pi \rho \sigma \tau \upsilon \phi \chi \psi \omega \varepsilon\vartheta\varpi\varrho\varsigma\varphi}$

mathrm:
$\displaystyle \mathrm{ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 0123456789}$
$\displaystyle \mathrm{A B \Gamma \Delta E Z H \Theta I K \Lambda M N \Xi O \Pi P \Sigma T \Upsilon \Phi X \Psi \Omega \alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda \mu \nu \xi o \pi \rho \sigma \tau \upsilon \phi \chi \psi \omega \varepsilon\vartheta\varpi\varrho\varsigma\varphi}$

mathbb:
$\displaystyle \mathbb{ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 0123456789}$
$\displaystyle \mathbb{A B \Gamma \Delta E Z H \Theta I K \Lambda M N \Xi O \Pi P \Sigma T \Upsilon \Phi X \Psi \Omega \alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda \mu \nu \xi o \pi \rho \sigma \tau \upsilon \phi \chi \psi \omega \varepsilon\vartheta\varpi\varrho\varsigma\varphi}$

mathbf:
$\displaystyle \mathbf{ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 0123456789}$
$\displaystyle \mathbf{A B \Gamma \Delta E Z H \Theta I K \Lambda M N \Xi O \Pi P \Sigma T \Upsilon \Phi X \Psi \Omega \alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda \mu \nu \xi o \pi \rho \sigma \tau \upsilon \phi \chi \psi \omega \varepsilon\vartheta\varpi\varrho\varsigma\varphi}$

mathscr:
$\displaystyle \mathscr{ABCDEFGHIJKLMNOPQRSTUVWXYZ abcdefghijklmnopqrstuvwxyz 0123456789}$
$\displaystyle \mathscr{A B \Gamma \Delta E Z H \Theta I K \Lambda M N \Xi O \Pi P \Sigma T \Upsilon \Phi X \Psi \Omega \alpha \beta \gamma \delta \epsilon \zeta \eta \theta \iota \kappa \lambda \mu \nu \xi o \pi \rho \sigma \tau \upsilon \phi \chi \psi \omega \varepsilon\vartheta\varpi\varrho\varsigma\varphi}$

mathsf, mathtt는 전혀 지원 안하는 듯

43. orphaned pages

<<OrphanedPages>>

44. 이상익

VG: 정수론,number_theory
$\displaystyle A=B \cdot Q+R, \quad\quad 0 \le R < B$
에서
$\displaystyle R=A-B\left\lfloor \frac{A}{B} \right\rfloor$

// rel : 모듈로,modulo > modulo_operation https://proofwiki.org/wiki/Definition:Modulo_Operation

45. Pagename Normalization

45.1. TBD 1

맨 뒤에 ,ABBR postfix suffix 관습은 유지할 것인가 말것인가
abbr만으로 충분하다면 그것만 쓸것인가 아님 말것인가
...TBD


일단 입출력은 입출력,IO로 했는데 편의상

45.2. 슬래시 slash 문제

CP/M
은 뭐가 좋은가
시피엠,CPM?


일단 입출력은 입출력,IO로 했는데 편의상

46. tmp 1

tmp/ written by dr j. lee, https://cafe.naver.com/kpope/931

라그랑지안,Lagrangian은 먼저 $\displaystyle F=ma$ 에서 바로 나옵니다.
$\displaystyle F=-\nabla U$ 이고 $\displaystyle ma=m\ddot{x}=\frac{d}{dt} [m\dot{x}]$ 입니다.
그런데 $\displaystyle m\dot{x}=\frac{\partial}{\partial \dot{x}} \frac{1}{2}m\dot{x}^2$
이므로 $\displaystyle m\dot{x}=\frac{\partial}{\partial \dot{x}} T$ 입니다.
Cartesian coordinate에서는 kinetic energy T가 오직 $\displaystyle \dot{x}$ dependent
potential energy $\displaystyle V$ 가 오직 $\displaystyle x$ dependent (물론 velocity independent potential 에서)(
그러니
$\displaystyle F=ma$ 는 Euler-Lagrange equation과 equivalent합니다.

$\displaystyle \left[ \frac{\partial}{\partial x}-\frac{d}{dt}\frac{\partial}{\partial\dot{x}}\right](T-V)$

문제는 이것이 least-action principle로부터 유도되는 이유가 key입니다.
당시 Euler는 brachistochrone 문제들을 통해 이미 최소값과 관련한 calculus of variation 을 개발해 놓았고
이것이 이렇게 응용되어 결국 Hamilton's least-action principle로 완성되게 됩니다.

47. tmp2

2024-06-06
Prof. Michael Bronstein (CS, University of Oxford, DeepMind prof. -> https://www.cs.ox.ac.uk/news/1996-full.html ) delivered a lecture titled
Geometric Deep Learning: From Euclid to Drug Design
as part of the Hot Topics in Computing Series at CSAIL.


1:07
He's very well known for dynamic graph CNNs for learning on point clouds. // dynamic_graph_CNN 점구름,point_cloud

3:30
Hermann_Weyl: "Symmetry, as wide or as narrow as you may define its meaning, is one idea by which man through the ages has tried to comprehend and create order, beauty, and perfection" // 대칭성,symmetry
4:00
플라톤,Plato (~370 BC)의 Platonic_solid (플라톤 입체 or 플라톤 다면체 ... 입체,solid) 언급
4:44
에우클레이데스,Euclid (~300 BC)의 5th postulate, and 19세기에 나타난 비유클리드 언급

entire zoo of different geometries
  • Euclidean
  • affine
  • projective

Euclidean_geometry 유클리드_기하학,Euclidean_geometry
affine_geometry 아핀기하학,affine_geometry
projective_geometry 사영기하학,projective_geometry

이런 상황에서 '기하학을 어떻게 정의할 것인가'의 문제가 제기. (어떤 기하학이 다른 것보다 일반적인가?)

paradigm shift는 젊은 Felix_Klein (1872) { 23세에 독일 Erlangen 대학교 교수. }로부터 왔는데
그는 radically new way of thinking of geometry in terms of invariances 를 제안하였다. // 불변성,invariance
geometric object를 group of transformations // 기하학적 대상,object: 군,group of 변환,transformation
-> Erlangen_program. WpKo:에를랑겐_프로그램 WpEn:Erlangen_program {Topics: 동차공간,homogeneous_space }

6:00

ex.

Euclidean geometry
E(3)
https://i.imgur.com/TAZCDGI.png


Emmy_Noether: 뇌터_정리,Noether_theorem: principles of symmetry에서 보존법칙,conservation_law을 도출할 수 있음을 보였음.
like: conservation of energy comes from symmetry of time.
(에너지,energy 보존은 시간,time 대칭에서)
이것이 나중에 발전하여 입자물리학,particle_physicsstandard_model.

6:56
물리에선 external vs internal symmetry를 구분
external symmetries of the spacetime - what is called the 푸앵카레_군,Poincare_group, that gives rise to the [[
external symmetry - R1,3 O(1,3) ...
internal symmetry - U(1) SU(2) SU(3) ...

7:30
"It is only slightly overstating the case to say that Physics is the study of symmetry" - P. Anderson // 대칭성,symmetry

그럼 이게 ML(기계학습,machine_learning)과 무슨 관련인가?
We have historically different architectures of 신경망,neural_networks such as
GNN
CNN
RNN
DeepSets
트랜스포머,transformer
...
다른 context에서 온 다른 architecture이다.
우린 여기서 공통분모,common_denominator를 찾고 싶다. (이미 있던 것들을) 설명하고, 같은 원리에 기반해 새로운 architecture를 설계(design)하는 걸 하고 싶은데, 이게 바로 GNN이다.

cont 8m