Deep Learning

일단 Medical AI 분야로 가기 위해서는 딥러닝에 대한 이해가 필요할 것 같다 생각이 들었다.사실 2020년도 부터 2021년도까지 대략 1년 정도 데이터 분석 인턴을 했었는데...그 때 당시에 감성분석을 위해 딥러닝을 공부를 했었다.(LLM이 세상에 나오기 전.

인공신경망(Artificial Neural Network, ANN)는 딥러닝의 핵심 기술로, 사람의 신경망 구조를 모방하여 데이터를 처리하고 학습하는 다층 구조의 컴퓨터 알고리즘이다. 초기에는 퍼셉트론(Perceptron)이라는 단층 구조로 시작되었으나, 현재는 다층

이번에는 퍼셉트론(Perceptron)의 학습 방법에 대해 알아보고자 한다.퍼셉트론의 학습 방법, 즉 알고리즘은 입력 데이터를 학습하여 적절한 가중치(weight)와 편향(bias)를 찾아내는 과정이라고 얘기할 수 있겠다.적절한 가중치와 편향을 찾아내기 위해 모델이 예

지난번에 공부했던 퍼셉트론(Perceptron)을 파이썬으로 구현해보고자 한다.우선, 퍼셉트론은 아래와 같은 구조로 이루어져 있다.위 퍼셉트론을 파이썬으로 구현하면 아래 코드와 같다. 최적의 가중치: 0.2 0.1최적의 편향: -0.2AND 게이트 결과: 입력: 0

지난 포스터까지는 인공신경망의 초기 모델인 단층 퍼셉트론에 대해 알아보았다. 단층 퍼셉트론은 AND, OR, NAND와 같은 선형 분류 문제는 해결할 수 있었지만, XOR 문제와 같은 비선형 분류 문제는 해결할 수 없었다. 예를 들어, 두 개의 입력 값이 있을 때 다

지난 포스팅에서는 다층 퍼셉트론(Multi - Layer Perceptron)과 활성 함수 중 Sigmoid 함수의 특징과 그 한계에 대해 알아보았다. 이번 포스팅에서는 Sigmoid 함수의 한계를 보완하기 위해 나온 $$Tanh$$(Hyperbolic Tangent

지난 포스팅에서 $Sigmoid$ 함수의 한계를 극복하기 위해 나온 $Tanh$ 함수와 ReLU 함수 그리고 그 한계점에 대해 알아보았다.이번 포스팅에서는 ReLU 함수의 한계인 Dying ReLU를 해결하기 위한 대안 활성 함수에 대해 알아보고자 한다.Dying Re