Chapter 3. 인공신경망이란?

인공 신경망, weight와 bias의 직관적 이해, 인공 신경망은 함수다!인공 신경인간의 신경을 흉내낸 것노드(혹은 unit)와 엣지(혹은 connection)로 이루어져있다.웨이트(중요도)를 곱하고 바이어스(민감도)와 함께 더하고, 액티베이션!여러가지 액티베이션이 존재. 여기서 본 건 unit step (계단) function주어진 입력(강아지면)에 대해 원하는 출력이 나오도록 웨이트, 바이어스를 정해줘야 한다.근데, AI가 스스로 적절한 웨이트, 바이어스를 알아내기 때문에 대박! how? Input layer & output layer (& hidden layer)깊은 인공 신경망? (DNN: Deep Neural Network)노드끼리 싹다 연결한 층은 FC (fully-connected) lay..

• format_list_bulleted 인공지능/[강의] 혁펜하임 딥러닝 강의
• · 2024. 11. 26.
• textsms

[강의 요약] 패캠 시계열 분석 - Part5. 딥러닝을 이용하여 정교하게 예측하기

Ch 2. 어서와, 인공신경망은 처음이지?인공신경망(뉴럴 네트워크) 개념 소개다층 퍼센트론(Multi-Layer Perceptron)입력층 하나와 은닉층(Hidden Layer)이라 불리는 하나 이상의 층과 출력층으로 구성출력층을 제외하고 모든 층은 편향 뉴런을 포함하여 다음층과 완전히 연결인공신경망의 은닉층이 2개 이상일 때 심층 신경망(DNN)이라 부른다역전파(Backpropagation)다층 퍼센트론을 효율적으로 학습시킬 수 있는 알고리즘각 훈련 샘플에 대해 역전파 알고리즘이 먼저 예측을 만들고(정방향), 오차를 측정하고, 그 다음 역방향으로 각 층을 거치면서 각 연결이 오차에 기여한 정도를 측정(역방향)이 오차가 감소하도록 가중치(weight)를 조금씩 조정 기본 구조(1): 입력층, 은닉층, 출..

• format_list_bulleted 인공지능/[강의] 딥러닝, 머신러닝을 활용한 시계열 데이터 분석
• · 2024. 11. 13.
• textsms

[책 요약] 밑바닥부터 시작하는 딥러닝1-Chapter 8. 딥러닝

더 깊게더 깊은 신경망으로이전 챕터와 달리 아래와 같이 더 깊은 신경망을 사용하면 어떻게 될까?합성곱 계층의 채널 수는 앞 계층에서부터 16, 16, 32, 64 ,64로 늘려간다3x3의 작은 필터를 사용한 합성곱 계층ReLU드랍아웃AdamHe 초기화이 모델의 Mnist 결과는 99.38%이다정확도를 더 높이려면?데이터 확장(Data augmentation)데이터를 회전하거나 이동일부를 잘라내는 crop좌우를 뒤집는 flip깊게 하는 이유신경망의 매개변수 수가 줄어든다.층을 깊게 한 신경망은 깊지 않은 경우보다 적은 매개변수로 같은 혹은 그 이상의 수준의 표현력을 달성할 수 있다.위와 같은 그림에서, 5X5 = 25개의 매개변수가 필요했던 것이 층을 깊게 하면 3X3 + 3X3 = 18개만 있으면 5X5..

• format_list_bulleted 인공지능/[책] 밑바닥부터 시작하는 딥러닝1
• · 2024. 11. 11.
• textsms

[책 요약] 기계는 어떻게 생각하는가?

일반인 수준에서 기계 학습 구현 사례와 동작 원리를 설명한 책지은이, 숀 게리시(Sean Gerrish)프린스턴 기계 학습 분야 박사 학위, 2019년 구글에서 소프트웨어 엔지니어로 근무이 책에서 다루는 내용컴퓨터가 세계를 인식하고 상호 작용할 수 있도록 해준 몇가지 핵심 아이디어영화 추천 엔진컴퓨터에게 보상을 걸고 특정한 해동을 하도록 학습시키는 방법과 컴퓨터가 인공 신경망으로 실세계를 인식하는 방법컴퓨터가 어떻게 게임을 하는가총평교양서적에 가깝지만 디테일한 기술적 내용이 꽤 잘 서술되어 있음.일반인이 이해 할 수준의 쉬운 설명/예시가 장점이다.전공자가 볼 때는 크게 기술적으로 얻을 부분은 없음.가끔 전문 용어가 좀 낯설게 적힌 것들이 있는데, 가령 Activation Function을 Squashin..

• format_list_bulleted 인공지능/교양 서적
• · 2024. 11. 9.
• textsms