우잉's Development

학습 : 훈련 데이터로부터 가중치 매개변수의 최적 값을 자동으로 획득하는 것 4.1 데이터에서 학습한다. 데이터에서 학습한다는 것은 가중치 매개변수의 값을 데이터를 보고 자동으로 결정한다는 뜻 4.1.1 데이터 주도 학습 기계학습 : 데이터에서 답을 찾고 데이터에서 패턴을 발견하고 데이터로 이야기를 만드는 것 알고리즘을 밑바닥부터 설계하지 않고 주어진 데이터를 잘 활용해서 해결하는 방법으로 이미지에서 특징(feature)을 추출하고 그 특징의 패턴을 기계학습 기술로 학습하는 방법이 있습니다. 여기서 말하는 특징은 입력 데이터 (입력 이미지)에서 본질적인 데이터 (중요한 데이터)를 정확하게 추출할 수 있도록 설계된 변환기를 가리킵니다. 다만, 이미지를 벡터로 변환할 때 사용하는 특징은 여전히 사람이 설계한..

3.4 3층 신경망 구현하기 3.4.3 구현 정리 init_network() 함수는 가중치와 편향을 초기화 하고 이들을 딕셔너리 변수인 network에 저장합니다. 그리고 forward() 함수는 입력신호를 출력으로 변환하는 처리과정을 모두 구현합니다. 3.5 출력층 설계하기 기계학습 문제 ① 분류 : 데이터가 어느 클래스에 속하는지 문제 ex) 항등함수 ② 회귀 : 입력데이터에서 (연속적인) 수치를 예측하는 문제 ex) 소프트맥스 함수 신경망은 분류와 회귀 문제 모두 이용할 수 있습니다. 다만 어떤 문제냐에 따라 출력층에 사용하는 활성화 함수가 달라집니다. 3.5.1 항등함수와 소프트맥스 함수 구현하기 항등함수는 입력을 그대로 출력합니다. 즉, 입력과 출력이 항상 같습니다. 한편, 분류에서 사용하는 소..

2.1 퍼셉트론이란? Perceptron (퍼셉트론) : 신경망(딥러닝)의 기원이 되는 알고리즘 1 : 신호가 흐른다. / 0 : 신호가 흐르지 않는다 $x_1$, $x_2$ : 입력신호 $y$ : 출력신호 $w_1$, $w_2$ : 가중치 ○ : 뉴런 또는 노드 -> 뉴런에서 보내온 신호의 총합이 정해진 한계인 임계값 ($\theta$, 세타)를 넘어설 때만 1을 출력 $y=\{\begin{array}{ll}0& w_1{x}_1+w_2{x}_2\le \theta \\ 1& w_1{x}_1+w_2{x}_2>\theta \end{array}$ 2.2 단순한 논리회로 2.3 퍼셉트론 구현하기 2.3.1 간단히 구현하기 1) AND 구현하기 def AND(x1, x2): w1, w2, thet..