인공지능5 [AI 4주차] DNN(깊은 신경망) Deep Neural Network(DNN): hidden layer가 2개 이상인 Neural network를 의미한다. 아래 그림은 4 Layer NN에서 3개의 hidden layer가 있는 경우이다. layer 0 layer1 layer2 layer3 layer4 l을 layer의 index라고 할 때, forward propagation 은 다음과 같다.Z^[l] = W^[l] * a^[l-1] + b^[l]A^[l] = g^[l] ( Z^[l] ) // g는 activation function backward propagation은 다음과 같다.dz^[l] = da^[l] * g^[l]`(z^[l.. 2024. 6. 27. [AI 3주차] Swallow Neural Network(얕은 신경망) Swallow Neural Network(얕은 신경망): hidden layer가 하나만 존재하는 Neural Network를 의미한다. input layer hidden layer output layer predicted valuea^[0] = X a^[1] a^[2] ŷ = a 시작하는 위치에 있는 x1, x2, x3는 input value이고 마지막에 있는 ŷ은 output value이다. input value가 있는 층을 input layer, output value가 return되는 마지막 노드를 output layer, .. 2024. 6. 27. [AI 2주차] 신경망 기초 Binary Classificiation(64 x 64 pixel)위와 같은 사진을 input으로 넣었을 때, output으로 이 사진이 고양이인지 아닌지를 알고자 한다. (고양이이면 1, 아니면 0) 위의 사진이 컴퓨터에서는 어떻게 표현이 되는지 살펴보자. 사진을 저장하기 위해서는 컴퓨터는 3가지의 분리된 matric를 저장한다. 이는 RGB(red, green, blue)이며 color channel이다. 위의 사진이 64x64 pixel이므로 각각의 channel도 64x64이다. 각각은 0에서 255 값을 가지며 검은색에 가까울 수록 0에 가깝고, 흰색에 가까울 수록 255에 가깝다. 이를 pixel intensity(희소 강도)라고 하는데, 이러한 값을 feature vector로 unroll.. 2024. 6. 25. [AI 1주차] Deep Learning 소개 우선, House Price Prediction을 보자. 빨간색 X는 데이터를 표현한 것이다. 특정 house의 size에 따른 price를 좌표평면에 나타낸 것이고 위의 그림에서는 6개의 sample이 있다. 이 경우에 데이터들을 바탕으로 선형 회귀(linear line)가 가능하다. 선형 회귀란, 알려진 데이터를 바탕으로 선형으로 수학적으로 모델링하여 알 수 없는 데이터의 값을 예측하는 데이터 분석 기법이다. 알려진 데이터를 바탕으로 선형으로 모델링(파란색 선)할 수 있다. 여기서 항상 선형으로 모델링하면 price는 음수값이 되는데, 불가능하므로 이후 구간은 0으로 설정한다. 이를 network로도식화하면 다음과 같다.size --------> O --------> pricex(input) .. 2024. 6. 25. 이전 1 2 다음
