모두를 위한 딥러닝1
1.기본적인 Machine Learning 의 용어와 개념 설명 [01]
explicit programming 이라고도 한다. 1995년 사무엘(Arthur Samuel)에 의해 최초로 정의되었다. 프로그램인데, 이것을 개발자가 일일이 어떻게 하는지를 정하지 않고, 이 프로그램 자체가 어떤 데이터를 보고 학습해서 뭔가를 배우는 능력을 갖는
2.Linear Regression의 Hypothesis 와 cost 설명 [02]
회귀
3.Linear Regression의 cost 최소화 알고리즘의 원리 설명 [03]
cost(W)를 그래프로 그려보면 다음과 같다.cost가 최소가 되는 파란색으로 표시한 값을 찾는 것이 목표다① cost를 최소화 하기 위해 경사를 따라 내려가는 방법으로② 최저 비용을 계산하는 함수이고,③ 다양한 최소화 문제에 사용된다.④ 주어진 비용함수 cost(W
4.multi-variable linear regression [04]
복습결과값을 예측하는 회귀자(regressor)가 여러개인 회귀 모형을 말한다.다중 선형 회귀에서 variable(변인)이 많을수록 수식으로 표현하기 복잡해지기 때문에 행렬을 사용해서 표현해준다. 회귀식에는 WX로 썼지만 , 행렬로 표현할 때는 XW로 표기해준다.
5.딥러닝의 기본 개념: 시작과 XOR 문제 [08-1]
딥러닝은 새로운 보델의 개녕밍 아니라 신경망이 발전한 보델이다.XOR문제는 어떻게 해도 linear하게 해결 할 수 없었다. MIT의 Marvin Minsky가 XOR문제를 수학적인 방법으로 풀 수 없다고 증명하는 책을 낸다. 그러던 중 1980년대에 Backpropa
6.XOR 문제 딥러닝으로 풀기 [09-1]
WOR 게이트는 배타적 논리합이라는 논리 회로이다. A와 B중에 한쪽이 1일때만 1을 출력한다. ('배타적'이라는 것은 자기 외에는 거부한다는 의미이다.)
7.딥넷트웍 학습 시키기 (backpropagation) [09-2]
❔ Feed Forward신경망은 input에서 weight와 Hidden을 거쳐 Output을 보댄다. 이과정을 Feed Forward라고 한다.❔Backpropagation(역전파)Feed Forward를 이용해 Input에서 Output까지 계산한다. 여기서 Ou