딥러닝(Deep Learning)/D&A Deep Session16 [D&A Deep Session] 2차시 - 4. 오차 역전파법 # MLP ( Multi Layered Perceptron )에 대한 공부 후... - 비선형 분류가 가능하다! - 신경망에서는 데이터가 입력된 입력층에서 시작해 은닉층을 거쳐 출력층에서 출력 값이 도출되는 Feed Forward (순전파) 방식을 취한다. - 비용함수를 정의해서 네트워크가 얼마나 나쁜지 판단 -> Cost를 어떻게 줄여 네트워크를 향상시킬 수 있을지 알아야 한다. *다음과 같은 신경망 구조를 가정하고 설명!!* 1. 비용함수 = MSE 2. 각 뉴런의 노드와 출력값은 0 ~ 1 사이의 값 ( 확률같이 ) 3. 효율적인 학습법인 경사 하강법을 어떻게 적용할지 생각하는 것이 목표!! 4. 16 x 8 x 4 신경망 가정 ( 순서대로 입력층, 은닉층, 출력층 ) 이 때 각각의 가중치를 연결의.. 2022. 3. 21. [D&A Deep Session] 2차시 - 3. 퍼셉트론 # 인공 신경망 입력층 : 입력된 데이터 은닉층 : 입력층과 출력층 사이에 추가된 밀집층 ( 밀집층 : 픽셀과 뉴런이 연결되어 빽빽한 모습의 층 ) 출력층 : 신경망의 최종 값을 출력 - 각각에 입력층에 각기 다른 가중치로 계산되어 다음 은닉층으로 이동 -> 이 때 절편값인 b도 더해진다. - 인공 신경망에서는 출력층에서 계산되는 z값을 계산하는 단위를 뉴런이라고 부른다. ( 최근에는 유닛이라고 부름 ) - 양쪽의 뉴런이 모두 연결되어 있기 때문에 완전 연결층이라고도 부른다. - 출력층에 적용하는 활성화 함수(뉴런에서 출력값을 변경시키는 함수)는 종류가 제한되어 있고 이진 분류일 경우 시그모이드 함수, 다중 분류일 경우 소프트맥스 함수를 사용한다. - 은닉층의 활성화 함수는 비교적 자유롭다. ( ex. .. 2022. 3. 21. [D&A Deep Session] 1차시 - 2. Class & Tensor 1. 클래스 : 똑같은 무언가를 만들어내는 설계 도면 객체 : 클래스로 만든 피조물로 객체마다 고유한 성격을 지닌다 인스턴스 : 클래스가 지시한대로 만든 값, 특정 객체가 어떤 클래스의 객체인지 관계 위주로 설명할 때 사용한다 메소드 : 클래스 안에 구현된 함수로 메소드의 첫 번째 매개변수(parameter)에는 호출한 객체가 자동으로 전달된다 객체 변수 : 객체에 생성되는 객체만의 변수를 의미하며 다른 객체들의 영향을 받지 않는다 생성자 : 객체가 생성되는 시점에 자동으로 호출되는 메소드를 의미한다, __init__이라고 설정하면 생성자로 인식한다 * 상속 : 클래스를 만들 때 다른 클래스의 기능을 물려받을 수 있게 만드는 것 ( class 클래스명(부모클래스) 로 생성 ) - super() : 부모 .. 2022. 3. 14. [D&A Deep Session] 1차시 - 1. 딥러닝의 이해 # 지금까지 공부했던 머신러닝에서는 사람이 직접 데이터를 보고 특징(피처)을 추출했었다면 앞으로 공부할 딥러닝은 사람의 개입없이 기계가 스스로 특징(피처)을 추출한다. 정형 데이터 뿐만 아니라 비정형 데이터까지 사람이 분류하는 것보다 정확하게 예측하는 것을 목표로 한다. - 딥러닝 ( Deep Learning ) : 2개 이상의 Hidden Layer를 지닌 다층 신경망 * 기본 구조 MLP( Multi-Layer Perception ) : 여러개의 레이어를 가지고 있는 신경망 CNN( Convolutional Neural Network ) : Convolution(합성곱) 전처리 작업이 들어가는 Neural Network 모델 - 주로 이미지 관련 분야에서 많이 사용된다. RNN( Recurrent N.. 2022. 3. 13. 이전 1 2 3 다음
