728x90 분류 전체보기423 [DL] Convolutional Neural Networks (CNN) 합성 곱(Convolution) Continuous convolution ○ $(f \ast g)(t) = \int f( \tau )g(t- \tau ) d \tau = \int f(t- \tau )g( \tau ) d \tau$ Discrete convolution ○ $(f \ast g)(t) = \sum_{i=- \infty }^ \infty f( \tau )g(t- \tau ) = \sum_{i=- \infty }^ \infty f(t- \tau )g( \tau )$ 2D image convolution ○ $(I \ast K)(i, j) = \sum_{m} \sum_{n} I(m,n)K(i-m, j-n) = \sum_{m}\sum_{n} I(i-m,j-n)K(m,n)$ Convolution La.. 2021. 8. 12. [DL] 최적화 (Optimization) Optimization 어떤일을 하던 그 일을 잘하기 위해서 최적화는 반드시 필요한 존재이다. 기계도 마찬가지일 것이다. 경사하강법을 사용하여 지역 최저점을 찾아 손실함수를 최소화 하는 과정이 대표적으로 지난주 과정에서 배우고 지금까지 이어온 가장 중요한 이론중 하나일 것이다. 일반화를 조심해야 하는 이유 손실 함수의 값(Training error Value)이 가장 낮게 나오는 함수와 그 해는 그 문제를 해결하는 최적화된 상황일까? 담은 'NO' 라는 것이다. 'Training error'가 줄어들어도 'Test error'의 값이 커질 수 있다. 왜 이런 결과가 나오는 것일까? 바로 우리가 가지고 있는 훈련 데이터(train data)가 불편성(Unbiased)를 가지고 있지 않을 수 있기 때문이다... 2021. 8. 10. [DL] 딥러닝의 역사 딥러닝(DL)을 시작하기 전에 딥러닝은 분야가 매우 넓다. 따라서 한 사람이 딥러닝에 대해 모든 것을 다 알 수는 없다. 딥러닝을 배우기 위해서는 - 구현(Implement) 능력 - 수학(mathematics) 지식 - 많은 논문, 저널읽기 3가지가 꼭 필요하다. Historical Review 딥러닝, 머신러닝, 인공지능의 관계 딥러닝은 데이터를 모델을 이용해 분석하여 오차를 최소화 하는 알고리즘을 만드는 것이다. 문제를 해결하기 위해 데이터를 분석하는 방법은 다양하며 모델의 성질에 따라 좋은결과, 나쁜결과가 나올 수 있다. 딥러닝에서 역사적으로 중요한 아이디어 Denny Britz는 딥러닝에서 역사적으로 중요한 아이디어를 몇가지 소개하였다. Denny Britz의 블로그 Deep Learning's.. 2021. 8. 9. 이전 1 ··· 103 104 105 106 다음 728x90
