Yeonnnnny

Keras 코딩 절차 ■ Data Set 1. 훈련셋 - 딥러닝 모델을 학습시키기 위한 training data와 label data - 학습? 문제와 답을 같이 제공한 후 무제를 풀고 답을 맞추는 것 2. 검증셋 - 딥러닝 모델의 훈련이 잘 되었는지 확인하기 위한 데이터 셋 - 검증셋은 학습시에 사용됨 - 검증셋은 가중치 갱신이 일어나지 않음 - 검증 ? 문제만 주고 풀게한 뒤 맞는 지 틀린 지 점수만 계산하는 것 3. 시험셋 - 훈련되지 않은 데이터들로써 훈련이 잘 이루어졌는지 확인하기 위한 데이터 셋 - 실제 데이터 : 아직 보지 못한 데이터 ■ Keras를 이용한 딥러닝 순서 ① 데이터셋을 생성 - 주로 원본 데이터를 불러오거나 시뮬레이션을 통해 데이터를 생성 - 데이터를 훈련, 검증, 시험 셋으..

1. DNN (Deep Neural Network) : 인공신경망을 기반으로 은닉층이 2개 이상인 신경망 학습 알고리즘을 말함 2. CNN (Convolution Neural Network) : 데이터의 특징을 추출하여 특징들의 패턴을 파악하는 인공신경망으로, 주로 정보 추출, 문장 분류, 이미지 인식 등의 분야에서 사용되고 있음 3. RNN (Recurrent Neural Network) : 반복적이고 순차적인 데이터 학습에 특화된 인공신경망의 한 종류로 순환 구조를 이용하여 과거의 학습의 weight를 통해 현재 학습에 반영함. 주로 음성 웨이브 폼을 파악하거나, 텍스트의 앞뒤 성분을 파악할 때 주로 사용됨 4. GAN (Generative Adversarial Network) : 적대적 신경망이라 ..

■ DNN (Deep Neural Network) - 심층 신경망 : 복잡하고 표현력 높은 모델을 구축하기 위해 입력계층과 출력 계층 사이에 복수개의 은닉 계층으로 이뤄진 인공신경망 - 입력 계층 : 신경망에서 데이터를 입력받는 계층 - 은닉 계층 : 입력 계층과 출력 계층 사이에 하나 이상 존재하는 계층 - 출력 계층 : 결과 값을 만들어내는 계층 ■ 신경망의 출력 계산 과정 ※ 사용된 변수 - Xn : 뉴런의 입력 값 - Wn : 가중치 ① 신경망의 각 입력을 연결된 가중치와 곱함 (중요한 입력은 높은 가중치로 강조하고, 중요하지 않은 입력은 낮은 가중치로 크기를 줄임) ② 모든 신경망의 입력과 가중치의 곱을 더함 ③ 그 합을 활성화 함수를 통해 변환함 ※ 신경망에서는 가중치가 곧 지능임. 이러한 가..

■ 인공신경망, Neuron - 사람의 뇌는 뉴런이라는 신경 세포로 구성되어 있음 - 가지돌기에서 다른 뉴런들의 신호를 받아 그 합이 일정 수치가 넘으면 축삭돌기로 전달 - 이러한 뉴련들이 서로 연결되어 전체 뇌가 만들어짐 ■ Perception : 인간의 뉴런을 수학적으로 모방한 알고리즘 1. 퍼셉트론은 다수의 신호를 입력으로 받아 하나의 신호를 출력 2. 퍼셉트론 신호는 흐름을 만들고 정보를 핲으로 전달 3, 퍼셉트론 신호는 '흐른다/ 안 흐른다' 두 가지의 값을 가짐 (0과 1) ex) 입력으로 2개의 신호를 받은 퍼셉트론 x1,x2 = 입력신호 y = 출력 신호 w1, w2 = 가중치 Θ = 임계값, 한계값 (기준이 넘어설 때만 출력) □ XOR Problem : 퍼셉트론이 인공지능 분야에서 큰 ..

■ Keras란 ? - 텐서플로(TenserFlow)의 딥러닝 모델 설계화 훈련을 위한 고수준 API - 파이썬으로 구현된 쉽고 간결한 딥러닝 라이브러리 - 내부적으로는 텐서플로우(TensorFlow), 티아노(Theano), CNTK 등의 딥러닝 전용 엔진이 구동됨 - 구글 엔지니어인 프랑소와 쏠레에 의해 작성 □ 모듈화 (Modularity) - 독립적이로 설정가능한 모델을 이용해 모듈을 구성할 수 있음 - 신경망 층, 비용함수, 최적화기, 초기화기법, 활성화 함수 등의 모듈을 조합해서 새로운 모델을 만들 수 있음 - CNN, RNN 지원 - CPU/GPU 지원 □ 최소주의 (Minimalism) - 각 모듈은 짧고 간결 - 반복 속도와 혁신성은 다소 떨어짐 □ 쉬운 확장 - 새로운 클래스나 함수로 ..