비둘기 둥지

1. 인공신경망(ANN) 인공 신경망에서 데이터를 입력받는 부분을 입력층 (input layer)라고 한다. 입력층을 거친 신호는 은닉층 (hidden layer | 중간층)으로 전달된다. 은닉층을 지난 신호는 마지막 뉴런인 출력층(output layer)으로 전달된다. (!) 각 층에 존재하는 한 단위의 인공뉴런을 노드(node)라 한다. 각 층에 존재하는 매개변수인 가중치(weight)를 행렬곱하고 편향(bias)를 더한 결과 값은 활성화 함수(activation function)을 거쳐 다음층으로 신호를 전달한다. 인공 신경망의 예측결과와 정답을 비교해 오차를 계산. 출력층 ~ 입력층까지의 가중치를 모두 최적화 함수(optimization function)을 통해 변경해준다. 겹겹이 쌓인 가중치를 ..

1. 파이토치 기초 텐서는 파이토치에서 다양한 수식을 계산하는데 가장 기본적인 자료 구조이다. 수학의 벡터나 행렬을 일반화한 개념으로 숫자들을 특정한 모양으로 배열 텐서에는 차원이라는 개념이 있음. (1) 0차원 텐서 : 스칼라 (scalar) (2) 1차원 텐서 : 벡터 (vector) (3) 2차원 텐서 : 행렬 (matrix) 1-1. 텐서를 다뤄보자¶ 텐서 만들기 import torch ## 3 x 3 텐서 만들기 x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(f'first tensor : \n{x}') ## 텐서의 shape(size)를 확인하는 법 print(f'tensor size : {x.size()} \ntensor shape : ..

1. 그리디(Greedy) 알고리즘 선택의 순간마다 당장 눈 앞에 보이는 최적의 상황만을 쫓아 최종적인 해답에 도달 탐욕 알고리즘은 최적해를 구하는데 사용되는 근사적인 방법이다. 자주 정렬 알고리즘과 짝을 이뤄 출제 된다. (!) 순간마다 하는 선택은 그 순간에 대해 지역적으로는 최적이지만, 그 선택들을 계속 수집하여 최종적(전역적)인 해답을 만들었다고 해서 최적이라는 보장은 없다. 1-1. 탐욕 알고리즘 문제 해결법 1. 선택 절차 (Selection Procedure) → 현재 상태에서의 최적의 해답을 선택한다. 2. 적절성 검사 (Feasibility Check) → 선택의 해가 문제의 조건을 만족하는지 검사 3. 해답 검사 (Solution Check) → 원래의 문제가 해결되었는지 검사하고, 해..

1. 신경망 1-1. 퍼셉트론 복습 가중합의 0을 넘기면 1을 출력, 그렇지 않으면 0을 출력함. 가중치(Wn)는 신호의 영향력을 제어한다. 편향(b)은 뉴런이 얼마나 쉽게 활성화 되느냐를 제어한다. 1-2. 활성화 함수 입력 신호의 총합을 출력 신호로 변환하는 함수 입력 신호의 총합이 활성화를 일으키는지를 정하는 역할을 함. 퍼셉트론 구현하며 사용한 활성화 함수를 계단함수라 한다. a. 시그모이드 함수 (Sigmoid Function) [0, 1] 사이의 값을 가지며 그래프가 S모양이여서 Sigmoid라고 한다. import matplotlib.pyplot as plt import numpy as np sigmoid_func = lambda x: (1/(1 + np.exp(-x))) x = np.arr..