✅ RFID ✅ RFID 동작 ✅ RFID - RC522#include #include // 리셋 핀 번호#define RST_PIN 9// I2C SDA 핀 번호#define SS_PIN 10// 모듈 설정MFRC522 mfrc522(SS_PIN, RST_PIN);void setup() { Serial.begin(9600); SPI.begin(); // RFID 모듈 초기화 mfrc522.PCD_Init(); // 연결 테스트 : 연결 되었다면 true를 반환 bool result = mfrc522.PCD_PerformSelfTest(); if (result) Serial.println("Connect !!"); else Serial.println("Not Commect !!"..

✅ Processing 개발 환경 구축https://processing.org/donate DonateWe need your help! Please support Processing by making a donation to the Processing Foundation. Your donation contributes to software development, education resources like code examples and tutorials,…processing.org ✅ Processing ✅ Processing 오류 원인✅ Processing 코딩void setup() { Serial.begin(9600);}void loop() { // 프로세싱으로 값을 전달 Serial.wr..

✅ CNN(Convolutional Neural Network)​ https://setosa.io/ev/image-kernels/ Image Kernels explained visuallyAn image kernel is a small matrix used to apply effects like the ones you might find in Photoshop or Gimp, such as blurring, sharpening, outlining or embossing. They're also used in machine learning for 'feature extraction', a technique for determining thesetosa.io ✅ CNN의 오차 역전파 (Error Backpr..

✅ I2C 통신 ✅ RFID - RC522 ✅ I2C를 이용한 아두이노와 ESP32 보드 연결#include const byte address = 0x3F; // 통신에서 사용할 주소void setup() { Serial.begin(9600); Serial.println("I2C test !!"); Wire.begin(address); Wire.onReceive(receiveEvent);}void loop() { delay(500);}void receiveEvent(int howMany) { while(Wire.available()) { char c = Wire.read(); Serial.println(c); }}#include const byte address = 0x3F; //..

✅ 적외선 센서 ✅ 인체 감지 시 LED ONvoid setup() { pinMode(8, INPUT); Serial.begin(9600);}void loop() { int val = digitalRead(8); Serial.println(val);}// 적외선 센서 근처에 가면 선풍기가 돌게, 아니면 안돌게 만들어 보기!void setup() { pinMode(8, INPUT); pinMode(9, OUTPUT); // 액츄에이터 Serial.begin(9600);}void loop() { int val = digitalRead(8); Serial.println(val); if (val == 1) { // digitalWrite(9, 1); // 최대 세기로 켰다 껐다만 ..

✅ 학습 목표베스트 모델 저장하기 / 불러오기학습 중단 기능과적합 방지 - Dropout ✅ 베스트 모델 저장하기 / 학습 중단📌 손글씨 이미지 데이터셋훈련 데이터 6만개, 테스트 데이터 1만개0 ~ 9까지 숫자 이미지에 대한 라벨링from tensorflow.keras.datasets import mnist(X_train, y_train), (X_test, y_test) = mnist.load_data()X_train.shape, X_test.shape📌 데이터 확인import matplotlib.pyplot as pltprint(y_train[10])plt.imshow(X_train[10], cmap='gray')plt.show()📌 이미지(2차원) -> Dense(1차원) 변환X_train =..