밑바닥부터 시작하는 딥러닝

딥러닝을 구현하다보면 배열이나 행렬에 관한 계산이 많이 등장하는데, 이때 numpy의 배열 클래스인 numpy.array는 이런 계산에 편리한 함수들을 제공한다.numpy에서는 형상이 다른 배열끼리도 계산을 할 수 있다.이때 배열 B는 (1X2)는 자동으로 배열 A의

퍼셉트론은 다수의 신호를 입력으로 받아 하나의 신호를 출력합니다.다음 그림은 입력으로 2개의 신호를 받은 퍼셉트론의 예입니다. x1,x2는 입력신호, y는 출력신호이며 w1,w2는 가중치를 의미합니다.입력신호가 다음 노드로 보내질때 고유 가중치가 곱해져서 전달되며 뉴런

신경망은 가중치 매개변수의 적절한 값을 데이터로부터 자동으로 학습하는 능력을 갖추고있다는 것이 가장 중요한 점이다.신경망은 여려층의 노드의 배열로 주로 입력층, 은닉층, 출력층으로 구분된다.입력층은 아무 연산이 이루어지지 않으며 입력을 받아서 다음 계층으로 넘기는 역할

핵심은 신경망에서의 계산을 행렬 계산으로 처리할 수 있다는 것이다.$$\\begin{pmatrix}1 & 2 \\3 & 4 \\\\end{pmatrix} \\begin{pmatrix}5 & 6 \\7 & 8 \\\\end{pmatrix}\\begin{pmatrix}19

머신러닝 문제는 분류(classfication) 과 회귀(regression) 문제로 나뉜다.분류 : 주어진 데이터가 어느 클래스에 속하느냐 하는 문제이다.회귀 : 입력 데이터에서 수치를 예측하는 문제이처럼 문제의 종류에 따라 신경망의 출력층에서 사용하는 활성화 함수를

이제 배운 것들을 응용하여 손글씨 숫자 분류를 해보도록 하겠다.이번 실습에서 활용하는 데이터셋은 MNIST라는 손글씨 숫자 이미지 집합이다. MINIST는 머신러닝 분야에서 아주 유명한 데이터 셋이다.다음과 같은 훈련이미지 60,000장과 시험 이미지 10,000장이