- Today
- Total
목록분류 전체보기 (27)
비둘기 둥지
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/cWu1A9/btrE7EQYdvr/c4aRra4vSAk4M0gyDYuvK0/img.png)
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 ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bXRXzb/btrE76GslP9/2E9GmeGq5nwx6El7uAeRQ1/img.png)
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 : ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/LCJT8/btrE5rY3Qj4/QmKBiWYGTLpO0pfetHcKkk/img.png)
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..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/casGVy/btrzzYHj8xi/LgKPH2H0xAhMFy2SXhtk2K/img.png)
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..