Jieon_

4.1 Convolutional Nerual Networks (합성곱 신경망) 1. 합성곱 (Convolution)과 합성곱 신경망 합성곱 : 입력 데이터와 필터의 각각의 요소를 서로 곱한 후 다 더하면 출력값이 되는 것 합성곱 신경망 (CNN) : 위의 합성곱을 이용한 신경망 디자인은 합성곱 신경망이라고 명칭하였고, 이미지 처리에서 엄청난 성능을 보인다. 2. Filter, Strides and Padding 5x5 크기의 입력이 주어졌을 때, 3x3 필터를 사용하여 합성곱을 하면 3x3 크기의 특성맵(Feature map)을 뽑아낼 수 있다. 필터(Filter 또는 Kernel)를 한 칸씩 오른쪽으로 움직이면 합성곱 연산을 하는데, 이때 이동하는 간격을 스트라이드(Stride)라고 한다. 패딩(Pad..

3.1 Deep Neural Networks 구성 방법 1. Layer(층) 쌓기 Input layer(입력층): 네트워크의 입력 부분 (우리가 학습시키고 싶은 x 값) Output layer(출력층): 네트워크의 출력 부분 (우리가 예측한 값, 즉 y 값) Hidden layers(은닉층): 입력층과 출력층을 제외한 중간층, 완전연결 계층 (Fully connected layer = Dense layer)로 이루어져 있음 보통 은닉층은 노드의 개수가 점점 늘어나다가 줄어드는 방식으로 구성되고, 마름모꼴 형태를 지닌다. 이때, 활성화 함수는 보편적으로 모든 은닉층 바로 뒤에 위치한다. 2. 네트워크의 Width(너비)와 Depth(깊이) 1. 네트워크의 너비를 늘리는 방법 : 은닉층의 개수를 그대로 두고..

2.1 논리회귀 (Logistic regression) 1. 논리회귀 : 선형 회귀로 풀기 힘든 문제를 풀 때 사용한다. 선형 회귀처럼 연속된 값을 예측하는 것이 아니라 종속변수가 범주형 데이터일 때 사용한다. 회귀를 사용하여 범주에 속할 확률을 예측한다. 2.2 다항 논리 회귀(Multinomial logistic regression) 1. 다항 논리 회귀와 원핫 인코딩 (One-hot encoding) : 두 세개 이상의 클래스로 분류되는 문제 원핫 인코딩 방법을 이용한다. (0,1로 표현하는 방법) 1. 클래스의 개수만큼 배열을 0으로 채운다. 2. 각 클래스의 인덱스 위치를 정한다. 3. 각 클래스에 해당하는 인덱스에 1을 넣는다. 2. Softmax 함수와 손실함수 : Softmax는 선형모델에..

1.1 SOTA (State-of-the-art) 딥러닝 분야의 최신경향들, 최신 기술트렌드, 최신 논문들이 올라가는 사이트 https://paperswithcode.com/sota Papers with Code - Browse the State-of-the-Art in Machine Learning 5027 leaderboards • 2316 tasks • 4316 datasets • 49670 papers with code. paperswithcode.com 1.2 머신러닝이란? 1. 알고리즘(Algorithm) : 수학과 컴퓨터 과학, 언어학 또는 관련 분야에서 어떠한 문제를 해결하기 위해 정해진 일련의 절차나 방법을 공식화한 형태로 표현한 것, 계산을 실행하기 위한 단계적 절차 2. 회귀 vs 분..