docs: finalized wiki integrity maintenance (v3.0 standard) - pruned 1400+ stubs and fixed 11k+ ghost links

10_Wiki/Topics_GD/Incremental-Computation.md

@@ -1,12 +1,12 @@
 ---
-id: [[P-Reinforce]]-AUTO-INCM-001
+id: [[P-Reinforce|P-Reinforce]]-AUTO-INCM-001
 category: "10_Wiki/💡 Topics/AI"
 confidence_score: 0.95
-tags: [auto-reinforced, incremental-computation, algorithms, [[Efficiency]], [[Dynamic-Programming]], synchronization, caching]
+tags: [auto-reinforced, incremental-computation, algorithms, [[Efficiency|Efficiency]], [[Dynamic-Programming|Dynamic-Programming]], synchronization, caching]
 last_reinforced: 2026-04-20
 ---
 
-# [[Incremental-Computation]]
+# [[Incremental-Computation|Incremental-Computation]]
 
 ## 📌 한 줄 통찰 (The Karpathy Summary)
 > "바뀐 것만 다시 하기: 데이터가 조금 변했다고 전체 시스템을 처음부터 다시 계산하는 낭비를 버리고, 오직 변화된 부분(Delta)의 영향만 추적하여 업데이트함으로써 속도를 극적으로 높이는 알고리즘적 정수."
@@ -15,12 +15,12 @@ last_reinforced: 2026-04-20
 증분 계산(Incremental-Computation)은 입력의 작은 변화에 대해 출력을 효율적으로 업데이트하는 기법입니다.
 
 1.  **핵심 메커니즘**:
-    *   **Dependency Tracking**: 어떤 계산 정책 결과가 어떤 입력 데이터 정책에 의존 정책하는지 그래프로 관리. ([[DAG-Dependency-Management]]와 연결)
+    *   **Dependency Tracking**: 어떤 계산 정책 결과가 어떤 입력 데이터 정책에 의존 정책하는지 그래프로 관리. ([[DAG-Dependency-Management|DAG-Dependency-Management]]와 연결)
     *   **Memoization/Caching**: 이전 계산 정책 결과 정책을 저장 정책해 두었다가 재사용. (Efficiency와 연결)
     *   **Change Propagation**: 변경된 입력 정책과 연결된 노드들만 선별적으로 재계산 정책.
 2.  **활용 사례**:
-    *   **Build[[ system]]s**: 수정된 파일만 다시 컴파일 (Bazel, Make).
-    *   **Database Views**: 원본 테이블에 데이터가 추가될 때 뷰(View)를 전체 갱신하지 않고 증분 반영. ([[Entity-Relationship-Modeling]]와 연결)
+    *   **Build[[_system|system]]s**: 수정된 파일만 다시 컴파일 (Bazel, Make).
+    *   **Database Views**: 원본 테이블에 데이터가 추가될 때 뷰(View)를 전체 갱신하지 않고 증분 반영. ([[Entity-Relationship-Modeling|Entity-Relationship-Modeling]]와 연결)
     *   **Excel**: 특정 셀의 값을 바꿨을 때 연결된 수식들만 실시간 업데이트.
 
 ## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
@@ -28,6 +28,6 @@ last_reinforced: 2026-04-20
 - **정책 변화(RL Update)**: 이제는 단순 값 업데이트 정책을 넘어, AI 모델 장치 정책이 새로운 데이터 정책을 학습 정책(Live learning)할 때 전체 가중치 정책을 다시 학습 정책하지 않고 점진적으로 지식 정책을 업데이트하는 연구로 확장 중임.
 
 ## 🔗 지식 연결 (Graph)
-- [[DAG-Dependency-Management]], [[Efficiency]], [[Entity-Relationship-Modeling]], [[Optimization]], Performance, [[Refinement]]
+- [[DAG-Dependency-Management|DAG-Dependency-Management]], [[Efficiency|Efficiency]], [[Entity-Relationship-Modeling|Entity-Relationship-Modeling]], [[Optimization|Optimization]], Performance, [[Refinement|Refinement]]
 - **Key Concept**: Static vs Dynamic dependency graphs.
 ---