전체 글28 딥러닝 -03 Recurrent Neural Network Rnn 은 대표적인 ai 분야중 하나이다. Cnn 은 이미지 처리 등, 복잡한 grid 데이터를 하나의 flat으로 펼치는 것에 집중화 되어 있다면, Rnn 은 순차적인 데이터, 즉 시간과 연관이 있는 데이터를 처리하기에 알맞은 데이터 처리 이다. 비디오, 주식, 에세이 등 데이터와 데이터간이 시간적으로 연관되는 데이터에 rnn 알고리즘을 사용한다. Rnn 의 특징중 하나는 과거의 데이터를 기억하고 있다는 점이다. 네트워크의 기억은 지금까지의 입력 데이터를 요약한 정보라고 볼 수 있는데, 새로운 입력이 들어 올 때마다 기억하고 있는 바를 조금씩 바꿔준다. 결국 입력된 정보를 모두 처리 하고 난 뒤는 neural network 에 남아 있는 요소들은 데이터들의 특징을 추출한 어느 수치라는 것을 알 수 있다.. 2020. 4. 4. 01 - cnn 변수 W1 = tf.Variable(tf.random_normal([3,3,3,32], stddev = 0.01)) Rgb 인 현상, ( 인풋 변수가 3개 ) 3번째 1에서 3으로 고치니까 오류 없어짐. 여기서 무슨 문제? -- 해결할 것. ----- y값 중 classify 할 때에는 float 값 대신 int 값을 넣어서 분류할 것 !! y = tf.placeholder(dtype = tf.int32,[None,1]) 후에 one_hot encoding 시킬 것. Y_one_hot = tf.one_hot(Y, 2) Y_one_hot = tf.reshape(Y_one_hot,[-1,2]) one_hot 으로 풀어서 y 변수 2개 (여기서 output 변수 10개를 줘버림 ) ------------------.. 2020. 4. 3. 딥러닝 -02 CNN 학습 CNN - Convolutional neural network cnn 의 기본 개념은 여러 뉴런들이 각기 다른 신호를 위해 대기하고 있다는 점에서 착안되었다. 이를 인공신경망을 구축하여 컴퓨터 적으록 구현화 한 것이 cnn 학습이다. 주로 이미지 학습등의 복잡한 데이터 구조를 단순화 하여 특징을 뽑아 낼 때 주로 사용된다. 복잡한 데이터를 단순화 할 때에는 일종의 레이어(filter)를 응용하여 각 레이어별 특징을 뽑아낸다. 다음과 같은 경우를 해석하자면 wx+b 의 관계식을 이용하되, 5*5*3 의 레이어만 적용하여 하나의 값을 추출한다는 뜻이다. 5 - x / 5 - y / 3 - ( RGB ) 움직 이는 기준 - stride stride = 2 이면 2칸씩 레이어가 움직이며, stride = 3 이.. 2020. 3. 31. 딥러닝 01 - 기초 정리 XOR 문제 해결 과정 머신러닝 개념이 발전하던 도중 중요한 문제점이 하나 발견이 되었다. 그 문제점은 어떻게 XOR 문제를 해결할 것인가? 라는 문제이다. XOR 문제는 0 1 일때 True 값, 0 0 일때 False 값을 출력하는 컴퓨터 연산자인데, 상단의 그래프에 어떠한 선을 그어도 절대 XOR 개념에 만족하는 선을 확립할 수 없다는 것이 발견된다. 이는 어느 한 수학자가 수학적으로 linear regression 으로는 저 문제점을 풀 수 없다는 것을 증명해 내고 이 문제는 머신러닝, ai 학문에 큰 난관이 되었다. 그리고 세월이 지난 후에, 딥러닝 개념이 등장하면서 이러한 xor 문제를 해결할 수 있다는 것을 발견하였다. 간단히 딥러닝 개념을 설명하자면 여러개의 머신러닝을 합쳐 하나의 연산으로 만든다고 해석 가능하다.. 2020. 3. 22. 이전 1 ··· 3 4 5 6 7 다음
