241016 TIL next(), 신경망

next()

1. next

• iterator로부터 다음 항목을 반환하는 함수
• iterable한 객체는 next()와 직접 사용될 수 없기 때문에 iterator로 변환해야 함
• 반복 가능한 객체 -> iter() -> next()

# 반복 가능한 객체
numbers = [1, 2, 3]

# 이터레이터로 변환
iterator = iter(numbers)

# next()로 값 하나씩 가져오기
print(next(iterator))  # 1 출력
print(next(iterator))  # 2 출력
print(next(iterator))  # 3 출력

신경망 (Neural Network)

1. 인공 신경망 (ANN)

• 인간의 뇌 구조에서 영감을 받아 개발된 기본적인 신경망
• 층(layer) 으로 구성되어 있음. 입력층, 은닉층, 출력층을 가짐
• 고정된 크기의 입력과 출력인 경우에 적합

2. 합성곱 신경망 (CNN)

• 이미지와 같은 2차원 데이터의 특징을 효과적으로 추출하기 위해 설계된 신경망
• 합성곱 층, 풀링 층, 완전 연결 층으로 구성
  - 합성곱 층: 입력 이미지에 필터를 적용하여 feature map 생성
  - 풀링 층: feature map의 크기를 줄이고, 중요한 특징 추출
  - 완전 연결 층: 추출된 특징을 바탕으로 최종 예측 수행

3. 순환 신경망 (RNN)

• 시계열 데이터나 연속된 데이터를 처리하기 위해 설계된 신경망
• 입력 데이터와 이전 시간 단계의 은닉 상태를 입력으로 받아, 현재 시간 단계의 은닉 상태를 출력
• 각 시간 단계에서 동일한 가중치를 공유하여, 시퀀스의 패턴을 학습

4. LSTM (Long Short-Term Memory)

• RNN의 장기 의존성 문제를 해결하기 위해 개발된 신경망
• cell state와 gate 구조를 도입, 장의 의존성을 효과적으로 학습 가능

5. GRU (Gated Recurrent Unit)

• LSTM의 변형으로, cell state 대신 hidden state 만을 사용하여 구조를 단순화