이전 까지의 내용 이전 글에서는 MLP 를 통해 XOR Gate 를 풀어내는 과정을 살펴보았습니다. 이번 글에서는 MLP 가 어떻게 수많은 parameter 들을 학습하는 지에 대해서 살펴보겠습니다.전체 내용은 SlideShare 에서 한번에 보실 수 있으며 youtube 로도 볼 수 있습니다. MLP 가 학습하는 방법 - 역전파Perceptron 은 사람의 뉴런을 모방하여 만들어냈습니다. 연구자들은 MLP 의 수많은 parameter 들을 학습시키기 위해서 사람의 학습과정을 다시 한 번 모방했습니다. 자유투를 연습하는 영상입니다. 맨 앞의 분은 학습을 마치셔서 던지는 족족 슛을 성공하지만 뒤 쪽의 분들은 실패하고 다시 던지는 과정을 반복하고 있습니다.던진 공이 골대의 좌측으로 가서 튕겨나오면 다시 던질..
이전 까지의 내용 이전 글에서 AND 게이트는 해결할 수 있지만 XOR 게이트는 해결하지 못하는 MLP 에 대해서 살펴 봤습니다. 전체 내용은 SlideShare 에서 한번에 보실 수 있으며 youtube 로도 볼 수 있습니다. XOR 게이트를 풀어보자 XOR 게이트는 AND 와 OR, NOT 게이트의 조합으로 만들 수 있습니다. Perceptron 으로 AND 나 OR 게이트를 만들 수 있습니다. 다시말해 여러개의 Perceptron 을 조합하면 XOR 게이트를 만들 수 있다는 의미이기도 합니다. 여러개의 Perceptron - Multi Layer Perceptron Multi Layer Perceptron (MLP) 의 그림 입니다. 두 개의 Perceptron 을 한 층에 구성하고 그 두 개의 P..
인공지능? 최근 교육, 취업, 제조업 등 모든 분야에서 인공지능을 사용하고 있다며 광고하는 모습을 어렵지 않게 접하셨을겁니다. 뉴스에서는 금방이라도 세상이 기계에 지배당할 것 처럼 보도하고 이에 대해 제대로 알지 못하는 사람들은 이런 뉴스에 공포감을 느끼곤 하는데요, 이번 포스트에서는 인공지능이라고 불리는 기술 [인공 신경망] 에 대해 알아보겠습니다. 사실은 오래된 역사 한국에서는 알파고 이후 유명세를 띄기 시작하면서 인공지능 붐이 일기 시작했습니다. 하지만 인공 신경망 기술의 역사는 우리가 생각하는 것보다 매우 깊습니다. 처음 이 기술의 아이디어가 등장한 것은 1940년대 였습니다. 신경세포가 하는 일이 컴퓨터를 구성하는 이진회로와 유사하다는 사실을 알게 되고 Perceptron 이라는 인공신경을 디자..
상관관계 분석 상관분석(Correlation Analysis)은 확률론과 통계학에서 두 변수간에 어떤 선형적 관계를 갖고 있는 지를 분석하는 방법입니다. 두변수는 서로 독립적인 관계로부터 서로 상관된 관계일 수 있으며 이때 두 변수간의 관계의 강도를 상관관계(Correlation, Correlation coefficient)라 합니다. 상관분석에서는 상관관계의 정도를 나타내는 단위로 모상관계수 ρ를 사용합니다.상관관계의 정도를 파악하는 상관계수(Correlation coefficient)는 두 변수간의 연관된 정도를 나타낼 뿐 인과관계를 설명하는 것은 아닙니다. 두 변수간에 원인과 결과의 인과관계가 있는지에 대한 것은 회귀분석을 통해 인과관계의 방향, 정도와 수학적 모델을 확인해 볼 수 있습니다.- 위키..
- Total
- Today
- Yesterday
- 여름휴가
- 파이썬
- 가평캠핑
- 알고리즘
- 강원도캠핑
- 서울근교캠핑
- bukhansannationalpark
- Koreancuisine
- 커플여행
- 캠핑초보
- 카카오
- 반려견캠핑
- 가평여행
- 글램핑
- 캠핑장추천
- 여름캠핑
- 자연힐링
- 백준
- 강원도여행
- 머신러닝
- sql
- Oracle
- python
- SeoulTravel
- 여름휴가추천
- 가족캠핑
- 가족여행
- 영월여행
- 계곡캠핑
- 영월캠핑
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |