Miscellaneous76 [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. [2025-1] 윤선우 - 밑바닥부터 시작하는 딥러닝 리뷰, (CH 3.5) 출력층 설계하기 신경망은 회귀와 분류에 사용된다. 이때 회귀(regression)란 입력 데이터에서 (연속적인) 수치를 예측하는 문제, 분류(classification)란 데이터가 어느 클래스에 속하느냐를 구별하는 문제를 일컫는다. 회귀에는 항등 함수를, 분류에는 소프트맥스 함수를 사용한다. 1. 항등 함수와 소프트맥스 함수 구현하기회귀에서 사용하는 항등함수는 입력을 그대로 출력한다. 그래서 출력층에 항등함수를 사용하면 입력 신호가 그대로 출력된다. 신경망 그림은 다음과 같이 표현된다:분류에서 사용하는 소프트맥스 함수의 식은 다음과 같이 표현된다:(이때 exp(x)는 e^x를, n은 출력층의 뉴런 수를, yk는 그중 k번째 출력임을 뜻한다.)소프트맥스의 출력은 모든 입력 신호로부터 화살표를 받는데, 이는 식의 분모에서도.. 2025. 3. 5. 이전 1 ··· 5 6 7 8 9 10 11 ··· 19 다음
