분류 전체보기 (155) 썸네일형 리스트형 [ML] 딥러닝 1 - 3강 인공신경망 ※ 본 글은 한경훈 교수님의 머신러닝 강의를 정리, 보충한 글입니다. ※ [딥러닝 I] 3강. 인공신경망 - YouTube 다층 신경망의 구조 Input Layer (입력층) : 데이터가 입력되는 계층 Hidden Layer (은닉층) : 데이터가 전달되는 계층 Output Layer (출력층) : 데이터가 출력되는 계층 Weights : 전/후 Units를 잇는 화살표, 각 Units의 연결 강도를 결정하는 가중치 계산층(은닉층, 출력층)이 둘 이상인 신경망을 다층 신경망 DNN이라고 부른다. 단층신경망은 입력층과 출력층이 각각 하나로, 계산층인 출력층 하나뿐이다. 모든 계산층이 자신의 계산 결과를 입력에서 출력으로의 순방향으로만 전달하는 구조를 순방향 신경망(feed-forward network)이라.. [ML] 딥러닝 1 - 2강 활성화 함수 ※ 본 글은 한경훈 교수님의 머신러닝 강의를 정리, 보충한 글입니다. ※ [딥러닝 I] 2강. 활성화 함수 - YouTube 활성화 함수란? 입력 신호를 종합하여 출력 신호로 변환하는 함수를 활성화 함수(activation function)이라고 한다. 활성화 함수의 종류에는 heaviside, sigmoid, relu 등이 있다 지난 강의에서 배운 것처럼 실제 뉴런을 본뜬 활성화함수는 아래와 같다. heaviside(=step_funciton) 함수의 한계 heaviside 함수는 x축의 0을 기준으로 y 축 값이 0과 1로 나뉘어 있으므로 그 모양때문에 step_function 이라고도 불린다. 이런 heaviside 함수를 머신러닝에 적용하기에는 치명적인 단점이 있다. 바로 머신러닝은 미분을 통해 .. [ML] 딥러닝 1 - 1강 퍼셉트론 ※ 본 글은 한경훈 교수님의 머신러닝 강의를 정리, 보충한 글입니다. ※ [딥러닝 I] 1강. 퍼셉트론 - YouTube 퍼셉트론이란? 퍼셉트론은 신경 세포 뉴런을 수학적으로 모델링한 초기 인공신경망(Artificial Neural Network)이다. 퍼셉트론은 다수의 입력으로부터 하나의 결과를 도출한다. 퍼셉트론은 뉴런을 모델링한 것이므로, 뉴런의 작동법과 비슷한 방식이 적용된다. 뉴런의 작동법 가지 돌기(Dendrite) : 주변 뉴런으로부터 전기신호를 받아들인다. 시냅스(Synapse) : 뉴런의 축삭 말단과 가지 돌기 사이의 공간으로, 전기신호의 세기를 재조정한다. 세포체(Soma, cell body): 가지돌기에서 받은 전기신호들이 합쳐진다. 축삭돌기(Axon) : 세포체의 전위가 일정 이상이.. 이전 1 ··· 17 18 19 20 다음
