전체 글229 [2025-1] 현시은 - PlanRAG: A Plan-then-Retrieval Augmented Generation for Generative Large Language Models as Decision Makers 원본 논문 링크 : https://arxiv.org/abs/2406.12430 PlanRAG: A Plan-then-Retrieval Augmented Generation for Generative Large Language Models as Decision MakersIn this paper, we conduct a study to utilize LLMs as a solution for decision making that requires complex data analysis. We define Decision QA as the task of answering the best decision, $d_{best}$, for a decision-making question $Q$, business rul.. 2025. 3. 6. [2025-1] 장인영 - 밑바닥부터 시작하는 딥러닝 리뷰, (CH 3.4) 3층 신경망 구현하기 넘파이의 다차원 배열을 사용하여, 3층 신경망에서 수행되는 입력부터 출력까지의 처리를 구현한다. 3층 신경망의 입력층은 2개, 첫 번째 은닉층은 3개, 두 번째 은닉층은 2개, 출력층은 2개의 뉴런으로 구성되어 있다. 3.4.1. 표기법 설명 먼저, 신경망 처리를 설명하기 위한 표기법을 알아본다.입력층의 뉴런에서 다음 층의 뉴런으로 향하는 선 위에 가중치를 표시한다. 가중치와 은닉층 뉴런의 오른쪽 위에는 (1)이 붙어 있고, 이는 1층의 가중치임을 뜻한다. 가중치의 오른쪽 아래의 두 숫자는 차례로 다음 층 뉴런과 앞 층 뉴런의 인덱스 번호이다. 3.4.2. 각 층의 신호 전달 구현하기 이제 입력층에서 1층의 첫 번째 뉴런으로 가는 신호를 살펴본다. 그림을 살펴보면, 편향을 뜻하는 뉴런이 추가되었다... 2025. 3. 5. [2025-1] 임준수 - 밑바닥부터 시작하는 딥러닝 리뷰, (CH 3.2) 활성화 함수 밑바닥부터 시작하는 딥러닝딥러닝 분야 부동의 베스트셀러!머리로 이해하고 손으로 익히는 가장 쉬운 딥러닝 입문서 이 책은 딥러닝의 핵심 개념을 ‘밑바닥부터’ 구현해보며 기초를 한 걸음씩 탄탄하게 다질 수 있도www.google.com -------------------------------------------------------------------퍼셉트론 복습b는 편향을 나타내는 매개변수로 뉴런이 얼마나 쉽게 활성화되는지를 제어한다. 한편 w는 각 신호의 가중치를 나타내는 매개변수로, 각 신호의 영향력을 제어한다. 아래는 위 식을 더 간결한 형태로 작성한 것이다. 이를 위해서 조건 분기의 동작(0을 넘으면 1을 출력하고 그렇지 않으면 0을 출력)을 하나의 함수로 나타낸다. 그리고 밑에서 볼 계단함.. 2025. 3. 5. [2025-1] 박경태 - 밑바닥부터 시작하는 딥러닝 리뷰, (CH 3.3) 다차원 배열의 계산 다차원 배열의 계산다차원 배열은 숫자의 집합으로, 여러 차원으로 구성된 데이터를 다룰 수 있다. 이를 이용하면 신경망과 같은 복잡한 계산을 효율적으로 수행할 수 있다. 본 글에서는 다차원 배열의 개념과 행렬 연산, 그리고 이를 신경망에서 어떻게 활용하는지에 대해 살펴본다.다차원 배열다차원 배열은 여러 개의 숫자를 특정한 구조로 배치한 것이다. 파이썬에서는 numpy 라이브러리를 이용해 쉽게 다룰 수 있다.배열의 차원과 형태(shape)배열의 차원은 np.ndim() 함수로 확인할 수 있고, 배열의 형태는 shape 속성으로 알 수 있다. shape는 튜플 형태로 반환되며, 배열이 몇 개의 차원을 가지고 있는지를 나타낸다.1차원 배열1차원 배열은 단순히 숫자가 나열된 리스트와 유사하다. 예를 들어:impo.. 2025. 3. 5. 이전 1 2 3 4 ··· 58 다음
