머신러닝 공부

명시적인 프로그래밍 없이 컴퓨터가 학습하는 능력을 갖추게 하는 것학습 지도 방식에 따른 머신러닝 종류지도 학습비지도 학습준지도 학습강화 학습점진 적 학습 가능 여부에 따른 머신러닝 종류배치 학습온라인 학습출력값이 연속된 구간의 숫자 값출력값이 범주 또는 클래스해당 경우

뉴런에서 출력값을 변경시키는 함수, 비선형함수시그모이드 함수, 소프트맥스 함수, 하이퍼볼릭탄젠트 함수, 렐루 함수loss 함수의 최소값을 찾아가는(최적화) 알고리즘계산된 그레디언트를 바탕으로 실제로 가중치를 어떻게 갱신할지 결정입력층에서 출력층 방향으로 연산 전개출력층

1. GCN 기반 추천 시스템 진화 과정 1-1. MF (Matrix Factorization) 기존 협업 필터링으로 정적 임베딩 후 사후 연산 방식 순전파 단계에서 유저 벡터와 아이템 벡터가 서로 독립적 예측 점수를 계산할 때 단순 내적을 수행하므로 그래프 구조나 이

위 그림과 같이 가중치를 어떻게 초기화 하냐에 따라 많은 성능 차이가 나므로 가중치 초기화는 중요초기 가중치를 잘못 설정하면 layer(층)이 깊어질수록 문제 발생기울기 소멸: 역전파 과정에서 가중치의 작은 값들이 계속 곱해지면서 입력층으로 갈수록 기울기가 0에 수렴하