모두의 딥러닝

#logistic regression #sigmoid function #perceptron

인공 신경망(Artifical Neural Network) 인간의 뇌는 약 1000억 개의 뉴런으로 이루어져 있다. 뉴런과 뉴런은 새로운 연결을 만들기도 하며, 필요에 따라 위치를 바꾸기도 한다. 신경망은 이런 뉴런에서 아이디어를 얻었다. 여러 층의 퍼셉트론을 서로

성냥 6개로 정삼각형 4개를 만들 수 있을까?2차원 평면에서는 이 문제를 해결할 수 없다. 차원을 달리하여 정사면체를 만들면 문제는 쉽게 해결된다.XOR 문제도 평면을 휘어주면 해결할 수 있다...!XOR문제도 두 개의 퍼셉트론을 한 번에 계산할 수 있다면 해결이 가능

신경망 내부 가중치는 오차 역전파 방법을 이용해서 수정한다오차 역전파는 경사 하강법의 확장 버전으로 보면 된다이전에 가중치($w$)를 경사 하강법을 통해 구했고, 같은 방법으로 가중치를 조정한다. 단지 은닉층(hidden layer)이 생기면서 복잡해질 뿐이다임의의 초

신경망을 이용하면 인공지능이 금방 완성될 것 같았지만 그건 아니었다.가중치 수정 시엔 기울기가 필요하다. 하지만 층이 늘어나면서 역전파를 통해 전달되는 기울기의 값이 점점 작아져서 기울기 소실(vanishing gradient)문제가 발생하기 시작했다.시그모이드 함수의

seaborn의 iris data 직접 다중 분류 해보기one-hot-encoding 활성화 함수 적용을 위해 값을 0과 1로만 이루어진 형태로 바꿔 주는 기법softmax function 총합이 1인 형태로 바꿔서 계산해 주는 함수 원 - 핫 인코딩을 가능하게 해주는

과적합 문제? 정확도가 100%? >과적합 overfitting 모델이 학습 데이터셋 안에서는 일정 수준 이상의 예측 정확도를 보이지만, 새로운 데이터에 적용하면 잘 맞지 않은 것을 의미 과적합이 생기는 경우 ① 층(layer)이 많은 경우 ② 변수가 복잡한 경

keras 2.3.0 release note:acc 대신 accuracy 쓴 이유