전체 글302 [2025-1] 이재호 - Attention is all you need https://arxiv.org/abs/1706.03762 Attention Is All You NeedThe dominant sequence transduction models are based on complex recurrent or convolutional neural networks in an encoder-decoder configuration. The best performing models also connect the encoder and decoder through an attention mechanism. We propose a newarxiv.org구글에서 2017년에 발표한 Attention is all you need는 현재 자연어나 비전 등 다양한 방면에서 활용되는 Transf.. 2025. 1. 4. [2025-1] 황영희 - Deep Residual Learning for Image Recognition https://arxiv.org/abs/1512.03385 Deep Residual Learning for Image RecognitionDeeper neural networks are more difficult to train. We present a residual learning framework to ease the training of networks that are substantially deeper than those used previously. We explicitly reformulate the layers as learning residual functions witharxiv.orghttps://arxiv.org/abs/1603.05027 Identity Mappings in De.. 2025. 1. 4. [2024-2] 문지영 - deeplearning: Deep Feedforward Networks (1) https://www.deeplearningbook.org/contents/mlp.html https://www.deeplearningbook.org/contents/mlp.html www.deeplearningbook.org I. Deep Feedforward Networks0. 심층신경망이란?deep feedforward networks는 deeplearning의 핵심으로, 목표는 어떤 함수 $f^*$를 근사approximate하는 것이다. 이 순방향 신경망은 하나의 사상map $y= f(x;\theta)$를 정의하고, 함수를 가장 잘 근사하는 파라미터 $\theta$의 값들을 학습한다. (1) feedforward정보가 앞쪽으로만 흘러감: $x$를 입력으로 하여 평가되는 함수를 통과한 후 출력 $.. 2025. 1. 4. [2024-2] 문지영 - deeplearning: Introduction https://www.deeplearningbook.org/contents/intro.html https://www.deeplearningbook.org/contents/intro.html www.deeplearningbook.org I. 인공지능이란0. 인공지능의 가능성 프로그래밍이 가능한 컴퓨터가 등장했을 때부터 이러한 기계가 인간과 같은 지능을 갖출 수 있을까에 대한 궁금증이 있어왔음. 인간에게는 직관적이고 쉬운 문제인 단어 인식이나 이미지에서 특정 얼굴을 알아보는 것과 같은 문제가 컴퓨터에게는 어려운 과제. 컴퓨터는 개념들의 계통구조를 이용하여 경험으로부터 배우고 세상을 이해할 수 있음. 복잡한 개념의 하위 개념, 그리고 그 개념의 하위 개념으로 내려가는 계통구조를 활용: 심층학습deep lear.. 2025. 1. 4. 이전 1 ··· 45 46 47 48 49 50 51 ··· 76 다음
